trajectory sampling | BriefGPT

关键词trajectory sampling

搜索结果 - 6

采样轨迹的深度高斯协方差网络用于数据有效的策略搜索
通过结合轨迹采样和深度高斯协方差网络（DGCN），我们提出了一种在最优控制环境中解决 MBRL 问题的数据高效解决方案，通过三种不同的概率世界模型（高斯过程、贝叶斯神经网络和 DGCNs）比较采用基于密度的不确定性传播的轨迹采样方法，我们在
PDF3 months ago
Where2Start: 利用初始状态进行鲁棒性和样本高效的强化学习
我们提出了 Where2Start 算法，通过选择初始状态，在该状态附近产生更多的不稳定性，从而改善强化学习中的样本效率。实验证明，Where2Start 算法可以提高样本效率达到 8 倍，并且可以与大多数最先进的算法结合，显著提高其稳健性
PDF7 months ago
融合丢失不确定性和轨迹采样的实用概率模型深度强化学习
本研究提出了一种基于神经网络的概率模型强化学习方法，利用 Monte-Carlo dropout 和轨迹采样相结合的 DPETS 框架来稳定预测系统不确定性，并通过设计适应神经网络拟合误差的损失函数实现更准确的概率模型预测。在评估中，DPE
PDF9 months ago
谨防不确定性：风险意识和积极探索模型的基于强化学习
我们引入了一种简单而有效的方法来管理基于模型的强化学习中的风险，该方法使用了概率安全约束、在确知不确定性面前的乐观和在事件性不确定性面前的悲观以及一组随机神经网络的平衡。各种实验证明，不确定性的分离对于在不确定和安全关键的控制环境中使用数据
PDF10 months ago
基于模型的 SINDy 强化学习
利用物理学领域的最新进展，提出一种新的方法来发现强化学习中物理系统的控制非线性动态，并证明此方法能够在很少的轨迹采样数量（仅需要一次 $≤30$ 时间步的轨迹）下发现此动态，从而为系统带来基于模型的强化学习的好处，并且不需要事先开发模型。该
PDF2 years ago
几乎极小化最优无奖学习
研究奖励免费强化学习框架，提出新的有效算法 SS+TP，通过探索和计划两个阶段，分别进行轨迹收集和任意奖励函数优化，达到对多个奖励函数的策略优化。
PDF4 years ago