cross-entropy method
PulseAugur coverage of cross-entropy method — every cluster mentioning cross-entropy method across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI混合设计赋能高效的机器人集群视觉导航
研究人员开发了一种新颖的、由AI驱动的为机器人集群设计分布式控制器的方法，使其能够在复杂环境中自主进行视觉导航。该方法结合了多智能体强化学习和神经进化策略，特别是使用交叉熵方法和协方差矩阵自适应进化策略来优化预训练的导航策略。该系统依赖于一个紧凑的神经网络，仅使用单目摄像头图像，优先考虑计算和能源效率，以实现实际的机器人集群部署。仿真实验表明，交叉熵方法控制器比协方差矩阵自适应进化策略的探索覆盖率提高了36.20%，并且基于视觉的策略…
-
新的“Follow the Winners”算法增强了LLM的强化学习
研究人员推出了一种名为“Follow the Winners”（FTW）的新型无批评者强化微调算法，专为代理式大型语言模型（LLM）设计。与依赖于有状态环境中不切实际的重复回滚的现有GRPO风格方法不同，FTW使用回放缓冲区样本上的序数滤波器来适应交叉熵方法。这种方法允许回报的顺序统计量具有多项式集中性，使其适用于无法进行重复回滚的场景。在代理式LLM的后训练中，FTW在Sokoban和Search-R1基线上表现出与GRPO和PPO…
-
新研究探讨世界模型在交叉熵方法中的双重作用
一篇新的研究论文探讨了世界模型在交叉熵方法（CEM）中的双重作用，强调了它们在选择动作和改进未来提议方面的功能。研究发现，评分错误会影响即时决策和随后的候选池。在Walker和Cheetah任务上的实验显示，在CEM迭代过程中，提议宽度会收缩，拟合均值会发散，在Walker上的成对排名一致性接近随机，在Cheetah上则下降。用环境排名更新替换模型排名更新的干预措施表明，最终实现的选定序列成本有所降低。
-
研究探讨条件扩散模型在易摩擦控制系统中的应用
研究人员探索了条件扩散模型在开环控制中的应用，特别关注具有干摩擦和粘滞的系统。他们的研究“A Study of Conditional Diffusion Models for Open-Loop Control under Dry Friction and Stiction”提出了一种名为 Action Diffusion 的方法，该方法采用条件式一维 U-Net 来生成控制序列。该方法旨在通过克服粘滞和减少误差来提高控制效果，尤其…
-
新方法通过潜在世界模型增强AI规划 · 跟踪4个来源
研究人员开发了新的方法来改进潜在世界模型中的规划，这些模型可以预测动作序列的结果。一种方法，强化规划（RP1），通过将良好的搜索规则强化到神经规划器中来学习改进多步规划，其性能显著优于传统的搜索算法。另一种方法DA-LeWM通过为潜在世界模型增加逆动力学和演示条件目标-动作头来解决决策度量对齐问题，从而在模型预测控制任务中实现更快的收敛和更高的成功率。
-
新的守恒定律量化了程序发现的成本
一篇新论文引入了一种用于程序发现的守恒定律，该定律表明将结构化知识注入搜索算法会直接权衡搜索工作量。该定律量化了找到生成给定序列的最短程序的成本，表明像 Levin 搜索和进化算法这样的现有方法具有与搜索问题的耦合宽度相关的指数级最坏情况下界。该研究提出了一种替代方法，该方法分析候选程序的结构，而不仅仅是其分数，尽管对于通用目标可能不完整，但在恢复测试序列（包括基本细胞自动机）的很大一部分的生成程序方面取得了成功。
-
机器人研究利用神经信念实现不确定性下的鲁棒抓取
研究人员开发了一种新的机器人鲁棒灵巧抓取方法，采用了变分神经信念参数化。该方法使用可微分的高斯混合模型来模拟接触参数和物体姿态中的不确定性，从而在不利条件下更有效地优化抓取成功率。仿真结果显示，与传统的粒子滤波方法相比，规划时间显著缩短，成功率有所提高；在机器人手臂上的实际测试也验证了其在不确定环境中的有效性。