实体
LunarLander-v3
LunarLander-v3
PulseAugur coverage of LunarLander-v3 — every cluster mentioning LunarLander-v3 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CROF方法改进了潜能世界模型的检查点选择
研究人员开发了一种从潜能世界模型训练运行中选择最佳检查点的新方法，这对于优化基于模型的强化学习和模型预测控制至关重要。所提出的方法称为复合奖励可观测性分数（CROF），它使用源自最优控制理论的结构化验证时诊断。在Gymnasium的LunarLander v3上的测试中，CROF在预测闭环性能方面优于验证损失和RMSE等传统指标。所选的世界模型在用于训练A2C策略时，取得了比无模型基线显著更好的结果，同时所需的交互环境次数也大大减少。
-
新的强化学习技术提高了量子电路优化效率和噪声鲁棒性
研究人员开发了新的技术，利用深度强化学习来提高量子电路优化的效率和鲁棒性。他们的方法ReaPER$+$通过智能地优先处理回放缓冲区中的数据来提高样本效率，与现有方法相比取得了显著的进步。此外，一个名为OptCRLQAS的新课程学习框架降低了评估电路架构的计算成本。该团队还引入了一种方法，将来自无噪声训练的数据用于有噪声环境，从而大大减少了达到所需精度所需的步骤。