TD3
PulseAugur coverage of TD3 — every cluster mentioning TD3 across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Stable-Baselines3 提供经过测试的 PyTorch RL 实现
Stable-Baselines3 是一个开源库，提供经过测试的关键强化学习算法的 PyTorch 实现。它包括流行的算法，如近端策略优化 (PPO)、软 Actor-Critic (SAC) 和 TD3，使这些高级技术对开发人员更加易于使用。
-
机器人学会了在杂乱环境中安全地投掷物体
研究人员开发了一种新的机器人投掷方法，可以安全地导航杂乱的环境。该方法使用势场状态表示来指导强化学习策略，使机器人能够泛化到各种障碍物配置。该方法使用运动学演示进行初始化，并使用SAC、DDPG和TD3算法进行优化，在具有未见过物体和杂乱场景的真实世界实验中取得了高达90%的成功率。
-
新的MCVL方法缓解了强化学习中的奖励破解问题
研究人员开发了一种名为修改考虑价值学习（MCVL）的新方法来解决强化学习智能体中的奖励破解问题。MCVL会过滤传入的数据转换，仅允许那些不会降低智能体估计未来回报的转换。这种方法旨在防止智能体利用奖励信号获得表面上的收益，同时仍允许在预期任务上取得真正的改进。在各种模拟环境和控制任务上的实验表明，MCVL在不牺牲主要目标性能的情况下，有效地缓解了奖励破解问题。
-
机器人研究探索深度强化学习中的SO(3)作用表示法
一篇新的研究论文探讨了深度强化学习中SO(3)作用表示法的复杂性，特别是在机器人控制任务中。该研究系统地评估了欧拉角、四元数和旋转矩阵等常见表示法在三种标准算法（PPO、SAC、TD3）上的表现，以了解它们对探索、训练稳定性和优化的影响。研究结果表明，将作用表示为局部坐标系中的切向量在不同算法和奖励结构下能提供最可靠的结果。
-
新的AI方法通过基于注意力的强化学习优化增材制造
研究人员开发了一种新颖的方法，通过集成多头注意力机制与软Actor-Critic (SAC) 算法来优化增材制造过程。该方法利用连续动作空间和基于注意力的特征提取器，解决了传统强化学习 (RL) 的局限性，提高了智能体捕捉细微输入变化的能力。与DQN、PPO和TD3等标准RL技术相比，增强的SAC算法在激光粉末床熔融的孔隙率预测和工艺参数优化方面表现出更快的收敛速度和更高的奖励。
-
新研究探索用于智能体生存、导航和可解释性的高级强化学习 · 跟踪 7 个来源
研究人员正在探索强化学习（RL）的高级技术，以增强智能体的性能和可解释性。一项研究提出了程序化策略（PERL）作为进化 RL 中神经策略（NERL）的替代方案，证明了 PERL 更高的生存率。另一篇论文侧重于使用 RL 进行自主机器人的流感知导航，发现使用速度和记忆传感器训练的智能体优于那些具有显式全局流参数的智能体。此外，正在开发新的方法来解释 RL 智能体，例如使用归纳逻辑编程（ILP）为策略可解释性创建客观指标，以及一种称为 S…
-
深度强化学习算法在资源控制基准测试中难以超越校准基线
一项新的基准研究RLScale-Bench已被开发出来，用于评估用于自适应资源控制的深度强化学习（DRL）算法。研究发现，在各种工作负载下，一个经过适当校准的基于规则的自动扩展器在成本方面通常优于主流DRL算法。然而，DRL算法在处理突发流量和闪购流量方面显示出潜力。研究还强调，离散动作算法在避免约束违规方面明显优于连续动作算法，并且没有一种DRL算法在所有测试的工作负载中都占主导地位。
-
新的YANN-RL方法加速了化工过程的AI控制
研究人员开发了一种名为Y-wise Affine Neural Network (YANN-RL) 的新强化学习（RL）方法，专为化工过程系统中的控制而设计。该方法旨在克服该领域RL通常面临的信任和训练时间长的挑战。通过为控制方案提供自信且可解释的起点，YANN-RL在涉及CSTR、四罐系统和萃取塔的案例研究中展示了缩短的训练时间和减少的数据需求。
-
循环强化学习在部分可观测患者情况下改善化疗控制
研究人员开发了一种循环深度强化学习方法，用于在无法完全观测患者状态的条件下优化化疗剂量。通过使用带有LSTM actor-critic网络的记忆增强策略，与处理不完整或嘈杂患者信息的标准前馈方法相比，该方法在肿瘤抑制和正常细胞保护方面表现出更好的效果。这项工作强调了在状态可观测性有限的临床环境中，基于记忆的策略的优势。