CartPole
PulseAugur coverage of CartPole — every cluster mentioning CartPole across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的确定性世界模型增强了AI控制器验证
研究人员开发了一种确定性世界模型（DWM），以改进用于安全关键系统的端到端图像控制器的形式化验证。该DWM将物理状态直接映射到合成摄像头图像，绕过了随机潜在变量的复杂性。在CARLA制动系统和多个Gym基准上的实验表明，与现有方法相比，DWM生成的精确可达管更精确，同时确保了与真实控制器的一致性。
-
AI策略被转化为可读的Prolog程序，以增强可解释性
研究人员开发了一种新颖的三阶段流程，将深度强化学习策略转化为可执行的Prolog程序。该方法旨在通过将复杂AI模型的“黑箱”性质转化为可读可编辑的逻辑，使其更具可解释性。该系统保证了单调改进和终止，实证结果表明，在包括连续控制场景在内的各种任务上，Prolog程序可以媲美甚至超越原始神经网络的性能。
-
新的OHIRL框架从无奖励感知流中学习 · 跟踪2个来源
研究人员开发了一种新颖的在线奖励惩罚学习框架OHIRL，专为环境不提供明确奖励或标签的场景设计。OHIRL通过分析转换后果来推断诸如疼痛或错误等感知维度的效价。该框架将下一包预测、残余动力学建模、轨迹评估和策略更新的角色分开。在2x2-XOR、CartPole和Taxi等任务上的实验表明，OHIRL在最优动作选择和奖励符号预测方面能够达到高精度，优于各种对照方法。
-
Bilinear Mamba-Koopman Neural MPC 增强了在不同条件下的控制依赖动态
研究人员开发了一种新的 Bilinear Mamba-Koopman Neural MPC 模型，该模型增强了具有不同动态的系统的模型预测控制。该模型在潜在动态中引入了控制依赖耦合，从而能够在单个控制范围内更好地适应不断变化的情况。在 CartPole 和 RSCP 基准测试上的实验表明，预测准确性和稳定性得到了提高，尤其是在时变场景和重新规划延迟的情况下。