实体
Observation Reconstruction
Observation Reconstruction
PulseAugur coverage of Observation Reconstruction — every cluster mentioning Observation Reconstruction 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
-
AI代理通过内在动机和预测状态学习世界模型 · 已追踪2个来源
研究人员正在探索内在动机如何增强强化学习代理构建世界模型的能力。一篇论文将24个内在目标（包括好奇心、熵和能力）整合到强化学习框架中，发现由好奇心驱动的带有观测重建的探索产生了强大的结果。另一种方法WM-PPO将世界模型与Proximal Policy Optimization的评论家相结合，从预测的后继状态生成辅助策略优势和价值目标，在ALFWorld和ScienceWorld等环境中显著提高了任务成功率，而无需特权信息。
-
神经符号世界模型赋能强化学习中的零样本任务迁移
研究人员开发了一种新颖的神经符号世界模型，旨在改进强化学习中的零样本任务迁移。该模型将观测重建与奖励预测解耦，使其能够在相同的符号状态空间上，无需额外的环境交互即可适应新定义的奖励函数。该方法旨在克服纯粹神经世界模型的局限性，这些模型通常学习不可解释的、任务相关的潜在表示，从而阻碍了泛化能力。