planning horizon | BriefGPT

关键词planning horizon

搜索结果 - 9

SoftTreeMax: 通过树搜索实现策略梯度的指数级方差减少
本文提出一种新型的神经网络方案 SoftTreeMax，通过树形计划从多个层面减轻策略梯度算法中的大方差、高样本复杂度问题，实现在 Atari 游戏中优异的性能表现。
PDFa year ago
利用隐式微分扩展和稳定可微规划
本文提出了一种不依赖于 forward iteration 层区分前向计算和反向传递并解决 Value Iteration Network 和其变体中大规模问题的不同 iable planning 方法，该方法通过 Bellman fixe
PDF2 years ago
ICLR快速而精确：利用自适应子目标搜索调整计划视界
AdaSubS 是一种自适应搜索方法，通过不同距离下生成不同的子目标，利用核实机制过滤不可达的子目标，实现长短子目标策略的高效平衡，从而在三个复杂推理任务中显著优于分层规划算法 —— 推箱子游戏，魔方和 INT 不等式证明基准。
PDF2 years ago
自适应前瞻规划与学习
本研究介绍了一种新的强化学习框架，提出了基于状态相关价值估计的自适应规划水平选择策略，并设计了相应的深度 Q 网络算法，最后在迷宫环境和 Atari 上验证了方法的有效性。
PDF2 years ago
CVPR端到端可解释的神经运动规划器
本文提出了一种神经运动规划器 (NMP)，用于在复杂的城市场景中学习自主驾驶，包括交通灯处理、让路和与多个道路用户的交互。通过输入原始的 LIDAR 数据和高清地图，NMP 生成可解释的中间表示形式，以及定义了自动驾驶汽车在规划范围内可以采
PDF3 years ago
长期强化学习是否比短期强化学习更困难？
通过构建 ε- 网络和在线轨迹合成算法，证明纯表格的情况下，对于每个长度的规划时间，可以通过对数级的样本复杂度在多项式时间内发现适当规范化后的最佳策略，从而证明了一个假设，即规划时间的增加并不会增加学习长时序的 RW 的难度。
PDF4 years ago
模型基强化学习中的复合误差对抗学习
本文探讨了根据状态相关最大累积模型误差确定规划范围的技术及其与时间差分方法相结合的应用，实验结果表明，该算法相对于基准的基于模型和无模型方法可以显著提高策略学习效率。
PDF5 years ago
AAAI关于先验信念对政策类型实际影响的实证研究
本文研究了多智能体应用中利用学习算法计算其他代理行为的后验概率与先验概率，我们发现先验概率对该方法的长期性能可能有显著影响，且影响程度取决于计划范围深度，自动方法可用于计算一致的先验概率，因此可以自动消除先验概率作为手动参数的需求。
PDF5 years ago
ICLR截断视野策略搜索：结合强化学习与模仿学习
研究围绕奖励塑造的概念，提出了将模仿学习和强化学习相结合的新思路，通过近似最优的代价预测器将其融合，形成 Truncated HORizon Policy Search (THOR) 方法，以搜索对于近似最优代价预测器的有限规划下实现最大总
PDF6 years ago