PulseAugur
中
实时 09:17:15
实体 Lorenzo Steccanella

Lorenzo Steccanella

PulseAugur coverage of Lorenzo Steccanella — every cluster mentioning Lorenzo Steccanella across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
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 1 条
  1. TOOL · CL_131508 ·

    新框架从轨迹中学习状态表示，无需奖励

    研究人员为马尔可夫决策过程（MDP）开发了一个新颖的状态表示框架，该框架直接从状态轨迹中学习，无需奖励信号或显式动作数据。该方法侧重于学习状态之间的最小动作距离（MAD），它量化了在它们之间移动所需的最少动作。通过创建一个距离反映MAD的嵌入空间，这种方法有助于目标条件强化学习和奖励塑造等下游任务，在各种环境中展示了优于现有状态表示技术的性能。