model-free methods | BriefGPT

关键词model-free methods

搜索结果 - 8

透视强化学习的庞特里亚金方法
传统上，强化学习集中于学习状态相关策略以解决闭环最优控制问题；本文提出了开环强化学习范式，通过学习固定行动序列，引入了三种新算法：一种鲁棒的基于模型的方法和两种高效的无模型方法。基于开环最优控制理论中的庞特里亚金原理，而非动态规划中的贝尔曼
PDFa month ago
截断方差减小的值迭代
我们提供了一种更快的随机算法，用于在具有有限状态动作对、有界奖励和折扣因子的折扣马尔可夫决策过程中计算 ε- 最优策略。我们通过在采样设置和离线设置中提供不同的时间算法，进一步优化了之前的最先进技术。我们的方法基于先前的随机方差减少值迭代方
PDF2 months ago
EasyFS: 一种通过特征的弹性转换进行高效的无模型特征选择框架
通过弹性扩展和压缩特征的易于特征选择框架（EasyFS），以实现比现有的模型感知方法更好的性能，同时与现有的无模型方法共享效率和灵活性特点。
PDF5 months ago
RoboPianist：高维机器人控制基准测试
介绍了一个崭新的测试机制 ——RoboPianist，用于测试高维控制、人体双手协调、高精度规划等方面的性能。该测试机制提供了丰富的定量基准环境和人类可解释的结果，并提供了进一步研究的机会，包括多任务学习、零样本泛化、多模态（声音、视觉、触
PDFa year ago
价值驱动的后见之明建模
本文提出了利用表征学习中的先验信息直接进行值函数预测的方法，即结合模型学习和模型自由方法的优势，确定哪些未来轨迹特征提供有用信息，从而为任务提供可操作的预测目标，加速值函数的学习。
PDF4 years ago
AAAI将路径法和得分函数估值器相结合，用于离散行为空间的确定性策略优化
一种新的基于期望的松弛动态模型逼近的混合策略梯度估计器，结合分数函数和路径推导估计器，对离散动作空间具有应用性和可扩展性，可在 Cart Pole、Acrobot、Mountain Car 和 Hand Mass 任务上学习参数化策略时显著
PDF7 years ago
NIPS通过随机值梯度学习连续控制策略
本文提出了一种使用反向传播学习连续控制策略的统一框架，并通过将贝尔曼方程中的随机性视为外源噪声的确定性函数，来支持随机控制。结果是一系列从有值函数的无模型方法到无值函数的有模型方法的通用策略梯度算法谱。我们使用学习模型，但只需要来自环境的观
PDF9 years ago
Dyna-H: 一种应用于角色扮演游戏策略决策系统的启发式计划强化学习算法
本论文提出了一种基于启发式规划策略的路径规划方法，该方法在模型自由的在线强化学习中比传统的单步 Q 学习和 Dyna-Q 算法都表现出色，可以用于角色扮演游戏中的最优轨迹规划。
PDF13 years ago