exploration problem | BriefGPT

关键词exploration problem

搜索结果 - 6

离线至在线强化学习中的超领域规划
离线预训练与在线微调（offline-to-online 或 OtO）是与实际强化学习部署过程相匹配的范式，我们研究在线强化学习开拓问题的主要方法，其中 PTGOOD 算法在在线微调中显著提高了智能体回报，并且在少于 10k 的在线步骤中找
PDF9 months ago
ICLR通过乐观探索学习更多技能
用不需要外在奖励的无监督技能学习目标让智能体学会丰富的行为方式。通过同时训练一个生成策略和一个判别模型来实现，其中的困难在于探索新的状态时，判别模型没有足够的数据用于准确地分类技能，我们通过训练一个判别模型的集合并奖励生成策略来解决此问题。
PDF3 years ago
ICLR面向目标驱动任务的基于计划的放松奖励塑形
本文提出了一种解决状态空间高维时强化学习探索问题的 Final-Volume-Preserving Reward Shaping (FV-RS) 方法，相比于之前的 potential-based reward shaping 方法，FV-
PDF3 years ago
ICLR做有意义的事情：以行动实用性为本的内在动机
本文提出了一种名为 DoWhaM 的新探索方法，将重点从状态新颖性转移到具有相关动作的状态，以减少样本复杂度并解决强化学习中的探索问题。
PDF3 years ago
ICML通过潜在状态解码的丰富观测下可证明的高效强化学习
该论文研究了在具有大量从少量潜在状态生成的丰富观察结果的情节 MDPs 中的探索问题。在某些可辨识性假设下，研究人员通过一系列回归和聚类步骤归纳地估计了从观察到潜在状态的映射，并使用它构建了良好的探索策略。
PDF5 years ago
仔细观察：在 Atari 上实现一致的性能表现
在本文中，我们提出了一个算法，它能够解决深度强化学习在 Atari 游戏集上遇到的三个关键难题，包括处理不同密度和规模的奖励分布、思考长时间序列以及有效地探索，该算法超过了人类在 40 个游戏上的表现，其中包括 Montezuma's Re
PDF6 years ago