MiniGrid
PulseAugur coverage of MiniGrid — every cluster mentioning MiniGrid across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Jev 决策模型提升强化学习性能
一篇新论文探讨了将 Jev（一种决策模型）集成到强化学习（RL）系统中的可能性。与传统的底层模型不同，Jev 在不生成 token 的情况下运行，能够进行单次推理并提供校准的、类型化的答案。研究人员通过将 Jev 用作参考策略、探索判断器和回放评估器来研究其在 RL 中的效用。在九个 MiniGrid 任务和三个 Atari 游戏中，与标准 RL 学习器相比，使用 Jev 进行训练显示出更高的样本效率和学习性能，即使在标准学习器遇到困…
-
AI代理学习改进长期记忆回忆和决策·跟踪3个来源
三篇新研究论文探讨了增强AI代理长期记忆的高级技术。第一篇论文Nous，专注于通过分离学习、校准和认证过程来学习和认证记忆决策，表明与源校准相比，可以使用更少的记录来学习有用的决策。第二篇论文CAVE-Mem，引入了一个无需训练的框架，通过确保检索到的信息满足适用性、边界和效用条件来验证记忆搜索的经验，显示出比仅相关性方法持续的收益。第三篇论文MERA，提出了一种通过使用已验证的证据来指导后续检索的方法，用于检索长期记忆问答中缺失的证…
-
新的智能体框架简化了神经符号编程
研究人员开发了 AgenticDomiKnowS (ADS)，一个旨在简化符号约束集成到深度学习模型中的新框架。ADS 使用智能体工作流将自然语言任务描述转换为可执行的 DomiKnowS 程序，减少了用户学习特定库语法的需求。这种方法将创建神经符号程序所需的时间从手动编码的一个多小时缩短到仅 10-15 分钟。此外，另一项独立研究探讨了在具身智能体的神经符号强化学习中管理动作先决条件的三种策略，展示了在解决方案质量和样本效率方面的改进。
-
TopoExplore 通过拓扑感知选择增强 AI 探索能力
研究人员开发了 TopoExplore，一种新颖的 AI 探索方法，可增强 Go-Explore 等现有技术。TopoExplore 包含一个拓扑学过程，用于识别和优先进入未探索区域，特别针对封闭区域的入口，同时避开封闭的空洞。该方法在跨越各种环境到达新状态方面表现出显著的加速，优于标准方法，尤其是在具有复杂结构或诱饵区域的场景中。
-
新的MAGIK框架支持RL智能体进行零样本知识迁移
研究人员开发了MAGIK，一个旨在增强强化学习（RL）智能体知识迁移能力的新框架。该系统使RL智能体能够在不直接与目标环境交互的情况下，将其从先前学习的任务中获得的知识应用于新的、类似的任务。MAGIK利用想象机制在任务之间映射实体，从而实现现有策略的重用。在MiniGrid和MuJoCo环境中进行的实验表明，MAGIK能够以最少的人工标注示例有效地实现零样本迁移，并且优于相关的基线方法。
-
New framework measures coordination gap in cooperative MARL systems
研究人员开发了一个新框架，用于衡量合作多智能体强化学习（MARL）系统中的协调结构。该框架分析了理论角色分配与去中心化智能体实际学到的约定之间的差距。该研究利用了 MiniGrid 和 SMACv2 等环境，采用标签条件注意力来实现更具角色特异性的路由，这种路由在不同团队规模下保持稳定，并且对盟友槽填充具有不变性。
-
多智能体强化学习研究量化了理论与学习到的智能体角色之间的协调差距
一篇新研究论文探讨了合作式多智能体强化学习（MARL）系统中的协调机制。该研究调查了理论角色分配与智能体实际学到的协调约定之间的差距。研究结合了角色路由矩阵和注意力机制等方法，证明了与简单的基线模型相比，标签条件注意力能够实现更聚焦、更具角色特异性的路由。这种方法在不同团队规模下表现出稳定性，并且可以零样本迁移到新的团队配置，为分析MARL协调结构提供了一个框架。
-
通过逆向动力学预测改进用于世界建模的VLM
研究人员正在探索改进视觉语言模型（VLM）在世界建模方面的预测能力的方法。一个关键挑战是VLM在正向动力学预测（根据动作生成未来状态）方面存在困难，但在逆向动力学预测（描述状态之间的动作）方面更擅长。这种不对称性正被用于通过弱监督学习（来自标注数据）和推理时验证等技术来增强VLM的性能。这些方法旨在为具身AI应用创建更强大、更准确的世界模型，其中一些方法在图像编辑和策略评估方面显示出与最先进模型相媲美的结果。
-
新的CIG奖励方法增强了强化学习的探索能力
研究人员推出了一种新颖的强化学习奖励机制——条件信息增益（CIG），旨在改进探索策略。CIG通过提供轨迹级别信息增益的可行替代方案，解决了现有方法的局限性，使其能够扩展到高维状态空间。在离散和连续控制环境的十二项任务中进行了测试，CIG在存在随机干扰因素的情况下，与之前的探索技术相比，表现出具有竞争力或更优越的性能。
-
新的梯度-动量耦合指标增强了强化学习进展的测量
研究人员引入了梯度-动量耦合（GMC），一种用于测量强化学习中学习进展的新颖方法。GMC通过分析样本梯度与过去梯度动量的相互作用来量化样本梯度对持续学习的效用。与预测误差等传统信号不同，这种方法旨在更好地将有意义的模式与噪声区分开来。实验表明，GMC增强了对噪声的鲁棒性，并且可以通过根据学习速度对任务进行优先级排序来促进新兴课程学习。
-
PACE 方法通过评估参数变更来提高强化学习的泛化能力
研究人员推出了一种新颖的无监督环境设计（UED）方法 PACE，旨在增强强化学习的泛化能力。PACE 通过评估训练过程中诱导的策略参数变更来直接衡量环境的价值，比现有的代理信号更能准确地反映学习进展。该方法利用策略优化目标的泰勒一阶近似，根据参数更新的平方 L2 范数来评估环境，从而无需额外的计算步骤即可进行高效且低方差的评估。在 MiniGrid 和 Craftax 上的实验表明，PACE 的性能优于当前的 UED 基线，在分布外评…