PPO-Lagrangian
PulseAugur coverage of PPO-Lagrangian — every cluster mentioning PPO-Lagrangian across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的强化学习方法优化水下航行器功率预算
研究人员开发了一种新颖的方法来控制水下航行器，将能源效率直接整合到强化学习过程中。该方法将控制构建为约束马尔可夫决策过程，允许以物理单位设置明确的功率预算。使用 PPO-Lagrangian 算法来解决这个问题，并在线更新对偶变量，以满足每个特定航行器和任务的预算。在 MarineGym 模拟器中的测试表明，与仅关注任务准确性的基线相比，在各种航行器和任务中，功率显著降低了 14-65%，同时保持了平稳运行和任务准确性。
-
大模型智能体协同框架通信效率提升70倍
一个名为 LDT-Coord 的新框架已被开发出来，用于改进异构大模型（LLM）驱动的具身智能体的协同。该系统利用轻量级数字孪生来管理通信，与传统的基于自然语言的方法相比，开销显著降低了70倍以上。LDT-Coord 解决了通信成本、大模型能力差异和动作延迟等挑战，实现了与现有方法相当的任务成功率。
-
新的强化学习方法优化水下航行器动力预算
研究人员开发了一种新的水下航行器控制方法，通过将功耗视为明确的约束来优先考虑能源效率。该方法使用约束马尔可夫决策过程和PPO-Lagrangian算法，允许用户以物理单位设置特定的动力预算。在MarineGym模拟器中的各种航行器和任务中，该方法成功地将功耗降低了14-65%，同时保持了任务的准确性和平稳性，为能源高效的水下作业提供了一种无需调整的解决方案。
-
AsyncShield: A Plug-and-Play Edge Adapter for Asynchronous Cloud-based VLA Navigation
研究人员开发了 AsyncShield，一个旨在增强移动机器人上视觉-语言-动作（VLA）模型导航能力的新框架。该系统通过将时间延迟转换为空间姿态偏移，解决了基于云的 VLA 部署中固有的延迟和网络抖动问题。AsyncShield 使用强化学习适配器来平衡遵循 VLA 模型意图与实时避障，在不修改底层 VLA 模型的情况下提高了机器人导航的成功率和安全性。