实体
DMControl
DMControl
PulseAugur coverage of DMControl — every cluster mentioning DMControl across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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
-
新的Q学习方法SGQN展示了自适应动作网格的优势
研究人员推出了一种用于连续控制任务的新型Q学习方法——选择性增长Q网络 (SGQN)。与先前统一增加动作空间分辨率的方法不同，SGQN根据估计的Q值自适应地添加或修剪动作箱。在DeepMind Control Suite上的实验表明，SGQN在各种任务上的表现与其他方法相比具有竞争力或更优，并且通常使用的动作箱少于可用数量。
-
新的CLAM框架支持从无标签演示中进行机器人学习
研究人员开发了CLAM（连续潜在动作模型），一个用于机器人学习的新框架，可以从无标签演示数据中推断连续潜在动作。该方法通过使用自监督动力学预测和少量与任务无关的玩耍数据来训练动作解码器，从而绕过了对昂贵的、带有动作标签的专家数据的需求。CLAM在各种机器人任务上取得了显著的改进，任务成功率比以前的方法高2-3倍，并且接近于使用特权专家动作标签的行为克隆的性能。
-
新的 ProSpec RL 方法增强了智能体的规划和安全性
一篇新的研究论文介绍了一种名为 ProSpec RL 的方法，旨在增强强化学习智能体预先规划和做出更安全决策的能力。与传统的试错方法不同，ProSpec RL 使用动态模型来预测未来状态，并评估多个动作轨迹以选择最优、风险较低的选项。这种方法旨在防止智能体进入危险状态，并通过生成虚拟轨迹来提高数据效率，在 DMControl 基准测试中显示出显著的性能提升。