DeepMind Control Suite
PulseAugur coverage of DeepMind Control Suite — every cluster mentioning DeepMind Control Suite across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新基准ARB4WM测试世界模型对抗鲁棒性
研究人员推出了ARB4WM，一个旨在评估连续控制系统中世界模型对抗鲁棒性的新基准。该框架利用视觉扰动，在策略、价值和潜在动态层面评估威胁。研究表明，针对价值估计和潜在表征的攻击可能与直接策略破坏一样有害，这凸显了在考虑多种攻击目标和时间暴露协议的情况下进行全面安全评估的必要性。
-
Mind Dreamer 框架通过因果干预增强了强化学习的想象力
研究人员推出了一种名为 Mind Dreamer (MD) 的新颖框架，旨在通过克服想象力中历史束缚的局限性来增强基于模型的强化学习。MD 采用主动因果干预，允许模型探索超出观测数据范围的状态，并从对抗性生成器初始化想象力，以发现非连续的潜在跳跃。该方法旨在解决世界模型发现和策略优化之间的学习不对称性，理论上建立了不确定性传播的二次折扣，并在基准任务上实现了显著的加速。
-
Mind Dreamer 框架通过主动想象增强强化学习
研究人员推出了一种名为 Mind Dreamer (MD) 的新颖框架，旨在通过使想象力超越观察到的状态来增强基于模型的强化学习。MD 采用主动潜在干预 (ALI) 来合成合理但具有挑战性的初始状态，超越了历史束缚。该方法利用学习到的生成器和对抗过程来探索认知盲点，并推导出了中继价值函数 (RVF) 和中继不确定性函数 (RUF) 来处理这些合成状态的信用分配。经验表明，MD 在现有方法上实现了显著的加速，平均学习速度提高了 1.67…
-
HaM-World模型通过选择性记忆和哈密顿动力学增强AI规划能力
研究人员推出了一种新颖的结构化世界模型HaM-World，旨在提高强化学习中规划的稳定性和准确性。该模型将潜在状态分解为规范（q, p）和上下文（c）子空间，并结合Mamba选择性状态空间记忆来处理历史条件输入。HaM-World利用软哈密顿向量场进行动力学预测，在DeepMind Control Suite任务上表现出卓越的性能，并增强了对分布外扰动的鲁棒性。
-
研究人员修复强化学习策略优化中的合成数据故障
研究人员已识别并解决了基于模型的策略优化（MBPO）中的算法故障，MBPO是强化学习中使用的技术。研究发现，MBPO与Soft Actor-Critic（SAC）等其他方法相比，由于尺度不匹配和残差下一状态预测，可能表现不佳，这会导致Critic低估和不可靠的合成数据。引入了一种名为Fixing That Free Lunch（FTFL）的新方法，该方法结合了目标归一化和直接下一状态预测来解决这些问题，在多个基准任务上表现得到改善。
-
ELVIS: Ensemble-Calibrated Latent Imagination for Long-Horizon Visual MPC
研究人员开发了ELVIS，一种用于强化学习中长时域视觉规划的新方法，该方法使用高斯混合模型预测控制器在扩展的rollout中维护多个假设。该方法在一个新论文中进行了详细介绍，还包含了一个不确定性感知的回报机制来稳定想象并限制复合误差。ELVIS在视觉控制任务上展示了最先进的性能，并有望在有遮挡的现实世界应用中发挥作用。另外，另一篇论文介绍了TRAP，一种通过操纵想象轨迹的排名来针对世界模型的后门攻击，该攻击已被证明会降低Dreamer…