实体
Reward Machines: Exploiting Reward Function Structure in Reinforcement Learning
Reward Machines: Exploiting Reward Function Structure in Reinforcement Learning
PulseAugur coverage of Reward Machines: Exploiting Reward Function Structure in Reinforcement Learning — every cluster mentioning Reward Machines: Exploiting Reward Function Structure in 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RM-VLM方法使用LLM和VLM自动生成奖励机器
研究人员推出了一种新颖的方法RM-VLM，该方法利用大型语言模型（LLM）和视觉语言模型（VLM）从自然语言任务描述中自动生成奖励机器（RM）。该方法解决了在强化学习中手动设计RM的命题基础预言机（proposition-grounding oracles）的局限性。RM-VLM使用LLM创建RM，并使用VLM将其命题基础化于基于图像的观察中，从而实现RM指导的策略学习。与现有的基于VLM的奖励方法相比，该系统在网格世界导航、机器人操…
-
新的Pareto Q-Learning算法增强了多目标强化学习
研究人员推出了一种新颖的多目标强化学习算法——带奖励机的Pareto Q-Learning（PQLRM），该算法专为具有由奖励机定义的复杂奖励结构的任务而设计。该算法集成了Pareto Q-Learning（处理用于Pareto前沿近似的向量值Q估计）与带奖励机的Q-Learning的增强功能（利用奖励信号的自动机结构）。PQLRM旨在在非马尔可夫、奖励机编码的环境中实现样本效率，并已证明其收敛速度更快，并且能够合成其他方法无法实现的…