temporal abstractions | BriefGPT

关键词temporal abstractions

搜索结果 - 11

简单层次规划与扩散
鉴于传统的扩散生成方法在建模离线数据集中的轨迹方面已经证明有效，然而，由于计算挑战和泛化能力的问题，特别是捕捉长期任务的时间抽象方面，我们介绍了一种名为 “层次性扩散器” 的简单、快速且出人意料地有效的规划方法，它结合了层次化和基于扩散的规
PDF6 months ago
多时间尺度世界模型
在这项工作中，我们提出了一种概率形式主义来学习多时间尺度世界模型，即 Multi Time Scale State Space (MTS3) 模型。我们的模型使用多时间尺度上的计算有效推理方案，以对未来数秒的高准确性和不确定性进行预测。我们
PDF8 months ago
迭代式规划中的选项发现
发现有用的时间抽象，以选项的形式展现，被广泛认为是将强化学习和规划应用于越来越复杂的领域的关键。在 AlphaZero 中，借鉴专家迭代方法的经验成功，我们提出 Option Iteration 作为选项发现的相似方法，该方法学习一组选项策
PDF9 months ago
基于变分逆强化学习的多任务可迁移奖励学习
利用生成对抗网络框架下的多任务环境下的赋能制约技术，从无标记的专家示例中同时学习可转移的多任务奖励函数和策略，并证明其比现有的模仿学习方法具有更好的性能和数据效率。
PDF2 years ago
基于槽位变形器的时间抽象非监督学习
本文提出了一种名为 SloTTAr 的新算法，该算法使用 Slot Attention 模块和自适应计算来学习关于无监督学习中子程序数量的信息，相比于竞争基线模型具有更好的性能和更快的训练速度。
PDF2 years ago
通过元学习子目标发现选项
使用元梯度法发现多任务强化学习环境中有用的选项的新方法，该方法使用一个管理器将发现的任务选项和基本操作结合在一起，并通过神经网络优化子目标的奖励和终止函数，实验证明该方法可以在学习过程中快速发现有意义和多样化的时间扩展选项，并且帮助初学者的
PDF3 years ago
AAAI层次平均回报策略梯度算法
本文扩展了分层 option-critic 策略梯度定理，旨在通过使用基于常微分方程的方法分析，优化代理的策略，最大限度地获得马尔可夫链的最终奖励，并在稀疏奖励的网格世界环境中表明了学习 option 的竞争优势。
PDF5 years ago
学习抽象选项
通过构建一个层次化的选项体系，我们扩展了 Bacon 等人 2017 年的研究成果，提出了一种新的深度选项体系架构，并在离散和连续环境中进行了实证研究。
PDF6 years ago
学习重复：深度强化学习中的细粒度动作重复
本文提出了一种新的框架 Fine Grained Action Repetition (FiGAR)，该框架使代理能够在与环境交互的每个时间步长上决定动作以及重复该动作的时间尺度，可用于改进任何维护显式策略估计的深度强化学习算法。我们通过在
PDF7 years ago
ICML使用最优选项模型进行组合规划
本研究提出了一个 Option Model 组合的框架，通过 Bellman 方程的基本操作与递归组合完成模型的构建，使得多层抽象的组合规划成为可能。
PDF12 years ago
MAXQ 层次强化学习中的状态抽象
本篇论文研究了具有时间抽象的层次强化学习中的具有状态抽象的学习方法，证明了 MAXQ-Q 学习算法在一定的条件下收敛，并通过实验表明了状态抽象对 MAXQ-Q 学习的成功应用十分重要。
PDF25 years ago