dynamics model | BriefGPT - AI 论文速递

关键词dynamics model

搜索结果 - 31

学习动态模型以用于模型预测代理
通过比较使用学习动力学模型进行规划和使用基准模拟器进行规划的性能，来澄清不同设计选择对学习动力学模型的作用，首先从 DeepMind 控制套件的 5 个域的训练序列收集了丰富的数据集，然后以监督方式训练前馈动态模型，并在不同的模型设计选择包
PDF3 years ago
学习屏障证明：朝着零训练时间违规的安全强化学习
本文提出了一种名为 CRABS 的算法，通过学习屏障证书、动态模型和策略来实现 RL 的安全性，该算法在只有安全但微不足道的奖励初始策略的情况下，无需任何先前的知识和离线数据实现训练时零安全违规，经实证模拟表明，在状态空间仅为 2-4 维的
PDF3 years ago
IJCAIMapGo: 面向目标任务的模型辅助策略优化
本文提出了一种名为 FGI 的新的重标记策略用于改善回报稀疏性问题，并通过引入动态模型来生成模拟轨迹来提高采样效率，提出了一种名为 MapGo 框架用于目标导向任务的模型辅助策略优化，并在复杂任务上的实验证明了 FGI 策略相比后见策略的
PDF3 years ago
基于模型的自监督功能距离视觉规划
本文介绍了一种使用自监督学习方法和动力学模型和距离函数相结合的视觉目标到达方法，可用于训练通用机器人执行多种任务，该方法不需要手动设计奖励函数，仅使用无标签数据进行学习，并表现出较高的性能。
PDF4 years ago
ICLR基于技能空间规划的无需重置的终身学习
论文提出了一种基于高阶技能抽象规划的无剧本生涯强化学习框架 LiSP，该框架使用内在奖励进行技能学习并使用学到的动力学模型进行规划，能够在不断变化的非稳态非剧本的环境中取得成功，甚至有助于从离线数据中发现技能，减少与现实世界的交互。
PDF4 years ago
超网络下的连续模型强化学习
通过使用任务条件超网络连续学习遇到的动态模型，HyperCRL 方法在机器人运动和操作任务中实现了连续模型基于强化学习，而不需要重新训练之前的任务，同时超越了现有的连续学习替代方法
PDF4 years ago
通过随机奖励估计的半监督对话策略学习
本文提出了用于半监督策略学习的新型奖励学习方法，该方法借助动态模型来计算奖励值，并结合动作嵌入进行奖励函数的泛化，从而优于其他竞争性策略学习基线，适用于任务导向型对话系统。
PDF4 years ago
利用 Contrastive Estimation 学习变形物体的预测表示
本研究提出了一种新的学习框架，使用对比估计来同时优化可视化表达模型和动态模型，在随机扰动变形对象并收集了模拟数据后，离线学习这些对象的潜在动态模型，随后使用简单的模型规划来解决具有挑战性的变形对象操纵任务，实验结果表明其性能优于传统模型学习
PDF4 years ago
ICML面向任务不可知的深度强化学习动态先验
通过学习通用的动力学先验以及使用物理视频进行预训练和微调，我们提出了一种加速政策学习和改进表现的基于模型的深度强化学习方法，同时也实现了更有效的环境迁移。
PDF5 years ago
ICLR从部分观测中随机预测多智能体交互
本研究提出了一种基于图形结构的变量循环神经网络 (Graph-VRNN) 的方法，该方法可以从学习的动力学模型中学习整合时间信息，从学习的视觉模型中学习模糊视觉信息，用于多智能体环境下的状态推断和预测，并在两个运动数据集上的实验中表现出优越
PDF5 years ago
ICML学习未规定模型的奖励函数
本研究提出了一种新颖的误差界限，用于解决模型不完美时生成的错误状态如何正确分配奖励值的问题，并在实验中证明其在基于模型的强化学习中的有效性。
PDF6 years ago