PulseAugur
中
实时 23:53:30
实体 Aleksandar Taranovic

Aleksandar Taranovic

PulseAugur coverage of Aleksandar Taranovic — every cluster mentioning Aleksandar Taranovic across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
0
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_84492 ·

    PAWS方法通过基于片段的优势函数改进强化学习

    研究人员推出了一种新颖的首选项学习强化学习方法PAWS，该方法解决了关键的训练-推理不匹配问题。通过利用片段级优势函数进行策略更新，PAWS将效用训练与优化对齐，保留了首选项信息，并避免了不可靠的每步信号。在机器人操作和运动任务上的实验表明，PAWS的性能优于现有方法，突显了分布一致的首选项学习的重要性。