研究人员开发了一种贝叶斯方法,用于未知马尔可夫决策过程(MDP)中的Minimax转移估计的主动探索。这种新方法称为贝叶斯$\kappa$-Explorer,通过在转移分布上使用Dirichlet先验来简化该过程。它提供了一个封闭形式的探索信号,无需进行置信集优化,并保留了其频率派对应物的理论收敛速率。在Pendulum、Mountain Car和Taxi等任务上的实验表明,与现有方法相比,贝叶斯$\kappa$-Explorer实现了更低的最小-最大转移估计误差。 AI
影响 这项研究可能导致在强化学习环境中更有效和更实用的主动探索方法。
排序理由 该集群包含一篇详细介绍马尔可夫决策过程新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Bayesian \kappa-Explorer
- Dirichlet
- gu2026kappa
- Hugging Face
- \kappa-Explorer
- Markov decision process
- Pendulum
- Taxi
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →