hierarchical policy | BriefGPT

关键词hierarchical policy

搜索结果 - 6

释放创造力的思维：语言模型作为层次策略在挑战性问题求解中的改进探索
通过将 LLMs 视为分层策略，解放其创造力，通过在上下文学习的方式探索多种多样的问题解决策略，我们提出了一种有效的、高效的基于比赛的方法来选择探索的解决方案组，从而提高了在 MATH 数据集中具有挑战性问题的最终答案的准确性。
PDF8 months ago
ICLRHieros: 分级想象结构化状态空间序列世界模型
深度强化学习中的一个主要挑战是样本效率问题，通过使用一种层次化策略与世界模型，可以实现对环境的直接交互训练的辅助，以提高想象效率、准确性和探索能力，并在 Atari 100k 基准测试中表现出卓越的性能。
PDF9 months ago
时间扩展继承表示
本文介绍一种称为 t-SR 的时间上扩展的后继表示法，它通过构造基本动作的继承表示来捕获时间上扩展的操作的预期状态转移动态，从而减少了控制所需的决策数量，同时学习到时间上扩展的动作序列的时域，优于价值基、非模型强化学习方法。
PDF2 years ago
从语言中学习不变语义表示，实现可扩展策略普适性
该研究提出了一种新的方法 —— 元素随机化，通过一组具有随机元素的环境来从自然语言指令中提取任务相关的语义而不受环境影响，同时设计了一个层次化的策略，将子目标建议为语义不变的表示形式，可在长时间视角任务上表现出卓越的泛化性能并能够完成一次性
PDF2 years ago
利用行为基元增强强化学习，以实现多样化的操作任务
本文介绍一种基于预定义行为模块的学习框架 Manipulation Primitive-Augmented Reinforcement Learning（MAPLE），通过这种学习框架实现机器人在多种实际操作任务中表现出色，MAPLE 具有
PDF3 years ago
神经模块化控制 —— 为具身问答而生
该研究提出了一种模块化的方法，利用语言输入学习长期规划的导航策略。他们的分层策略在多个时间尺度上运行，并使用模块化和语义子目标，通过模仿学习和强化学习相结合的方法在 EQA 基准上表现出色，无论是在导航还是问题回答方面均优于前人工作。
PDF6 years ago