研究人员开发了一种名为多输出增强行为克隆(MA-BC)的新算法,以应对多目标模仿学习的挑战。该方法将分歧的专家数据进行分区,同时汇集一致的状态-动作对,旨在恢复多目标马尔可夫决策过程中位于帕累托前沿的策略。该算法在理论上被证明比独立的专家学习者更有效地收敛到帕累托最优策略,并且被证明是minimax最优的。MA-BC已在各种离散环境中得到实证验证,并扩展到连续的线性二次调节器控制任务。 AI
影响 这项研究可能带来更高效、更有效的AI代理,使其能够处理具有多个、可能相互冲突的目标的复杂决策。
排序理由 该集群包含一篇详细介绍多目标模仿学习新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv
- Linear Quadratic Regulator
- Multi-Output Augmented Behavioral Cloning
- ScienceCast
- Ziyad Sheebaelhamd
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →