PulseAugur
中
实时 08:07:00
实体 cart-pole

cart-pole

PulseAugur coverage of cart-pole — every cluster mentioning cart-pole across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 3 条
  1. TOOL · CL_364270 ·

    新的控制方法在在线LQR中实现了多对数遗憾

    研究人员开发了一种新的在线线性二次控制方法,该方法利用确定性等价性来实现多对数遗憾。该方法放宽了最优控制器的可辨识性要求,从而扩大了确定性等价性可以有效应用的 সমস্যা 范围。新算法保证在控制器可辨识性下,T次交互的预期遗憾为 $O(\log^2 T)$,而在可辨识性失败的情况下,则建立了相应的 $\Omega(\sqrt{T})$ 下界。这项工作以一个倒立摆为例进行了说明,并为最小方差控制提供了比先前方法更宽松的要求。

  2. RESEARCH · CL_201911 ·

    概率世界模型教程探讨 PILCO 和校准

    一个题为“The Full Loop”的新教程探讨了概率世界模型,演示了它们如何逐步校准。该教程强调了 PILCO 算法通过其后验进行规划,在 17.5 秒内成功解决了倒立摆问题。它还讨论了集成不一致如何可能错过累积的滚动误差,并建议一致性边界比要求模型给出其置信度水平更有效,提出弃权作为主要行动。

  3. TOOL · CL_16246 ·

    研究人员可视化 RL 控制算法的 Critic 匹配损失景观

    研究人员开发了一种新方法来可视化在线强化学习算法中 Critic 神经网络的损失景观。该技术将参数轨迹投影到低维子空间,创建 3D 损失表面和 2D 优化路径来表征 Critic 学习行为。该方法在倒立摆和航天器控制任务上进行了演示,引入了量化指标来比较训练结果并区分稳定收敛和不稳定学习。