实体
Potential-based reward shaping for knowledge-based, multi-agent reinforcement learning
Potential-based reward shaping for knowledge-based, multi-agent reinforcement learning
PulseAugur coverage of Potential-based reward shaping for knowledge-based, multi-agent reinforcement learning — every cluster mentioning Potential-based reward shaping for knowledge-based, multi-agent reinforcement learning 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DynCur-Geo框架通过动态奖励增强无人机地理定位
研究人员开发了DynCur-Geo，一个新颖的动态好奇心框架，旨在改进无人机（UAV）的主动地理定位。与使用固定权重的先前方法不同，该系统根据到目标的剩余距离动态调整内在奖励权重。集成了距离感知门控和基于势能的奖励塑造，以平衡探索和目标导向行为，从而在各种挑战性场景中实现一致的性能提升。
-
强化学习、安全函数增强无人机导航
研究人员开发了一种新颖的自主无人机导航方法，可提高速度和安全性。该方法结合了强化学习、基于潜在奖励塑造、控制Lyapunov函数和控制障碍函数。该系统在一个简化的环境中进行训练，然后无需额外训练即可应用于复杂场景，在模拟中显示出缩短的任务时间和稳健的性能。