实体
Gridworld
Gridworld
PulseAugur coverage of Gridworld — every cluster mentioning Gridworld across labs, papers, and developer communities, ranked by signal.
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 2 条
-
新的亚二次方法改进了 MDP 的双模拟度量计算
研究人员开发了一种新颖的亚二次方法来计算马尔可夫决策过程（MDP）中的双模拟度量。这种新方法利用近似最近邻（ANN）索引来有效地选择状态对进行更新，与传统的二次方法相比，大大降低了计算成本。该技术提供了覆盖增强的保证，确保即使并非所有状态对都得到更新，全局误差也能得到控制，并提供了可计算的双边证书来验证度量的准确性。
-
Q学习集成提高了离线上下文强化学习的性能
一篇新的研究论文探讨了将强化学习（RL）目标整合到离线上下文强化学习（ICRL）方法中的有效性。在GridWorld和MuJoCo环境中超过150个数据集的实验表明，与标准的算法蒸馏（AD）相比，直接优化RL目标平均将性能提高了约30%。在XLand-MiniGrid环境中，RL目标使AD的性能翻倍，并且在大多数测试场景中，在价值学习过程中增加保守性可以进一步提高结果。研究结果强调了将ICRL学习目标与RL的奖励最大化目标对齐的重要性。