关键词visual model-based reinforcement learning
搜索结果 - 3
- 学习潜在动态健壮表示的世界模型
利用视觉模型仿真提升强化学习效果,通过空时屏蔽策略和混合循环状态空间模型来准确捕捉环境的重要特征,以提高策略的学习与表现。
- 面具世界模型的视觉控制
通过自编码器和动态学习的分离以及辅助奖励预测目标的引入,提出了一种新的视觉模型 RL 框架,取得了 Meta-world 和 RLBench 的 50 项任务中,81.7% 的成功率的表现。
- ICML基于模型的强化学习通过潜空间配置
该研究使用学习的潜在状态空间模型,结合目测模型强化学习方法,提出了一种优化潜在状态轨迹的 LatCo 方法,来解决长时程、奖励稀疏的任务。通过序列规划,相比于之前使用的射击方法,该方法在历经时间过程中的效果更好。