PulseAugur
中
实时 11:49:37
English(EN) Predicting Closed-Loop Performance of Latent World Models: Offline Checkpoint Selection for MPC and Model-Based RL Under Non-Markovian Rewards in LunarLander

新的CROF方法改进了潜能世界模型的检查点选择

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种从潜能世界模型训练运行中选择最佳检查点的新方法，这对于优化基于模型的强化学习和模型预测控制至关重要。所提出的方法称为复合奖励可观测性分数（CROF），它使用源自最优控制理论的结构化验证时诊断。在Gymnasium的LunarLander v3上的测试中，CROF在预测闭环性能方面优于验证损失和RMSE等传统指标。所选的世界模型在用于训练A2C策略时，取得了比无模型基线显著更好的结果，同时所需的交互环境次数也大大减少。 AI

影响 通过实现更好的检查点选择，提高了基于模型的RL和MPC的效率和性能。

排序理由 学术论文，详细介绍了RL中的一种新模型选择方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的CROF方法改进了潜能世界模型的检查点选择

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Nikolai Smolyanskiy ·

    Predicting Closed-Loop Performance of Latent World Models: Offline Checkpoint Selection for MPC and Model-Based RL Under Non-Markovian Rewards in LunarLander

    arXiv:2607.01736v1 Announce Type: cross Abstract: We study how to predict the downstream closed-loop performance of a learned latent world model from validation-time diagnostics alone. Choosing the right checkpoint from a world-model training run is difficult: validation loss and…

相关话题