会员服务
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
Cooperative Grasping and Transportation using Multi-agent Reinforcement Learning with Ternary Force Representation
Arxiv
0+阅读 · 11月21日
Natural Language Reinforcement Learning
Arxiv
0+阅读 · 11月21日
Model Checking for Reinforcement Learning in Autonomous Driving: One Can Do More Than You Think!
Arxiv
0+阅读 · 11月21日
Umbrella Reinforcement Learning -- computationally efficient tool for hard non-linear problems
Arxiv
0+阅读 · 11月21日
Preserving Expert-Level Privacy in Offline Reinforcement Learning
Arxiv
0+阅读 · 11月18日
Theoretical Corrections and the Leveraging of Reinforcement Learning to Enhance Triangle Attack
Arxiv
0+阅读 · 11月18日
Learning Time-Optimal and Speed-Adjustable Tactile In-Hand Manipulation
Arxiv
0+阅读 · 11月20日
Provably Efficient Action-Manipulation Attack Against Continuous Reinforcement Learning
Arxiv
0+阅读 · 11月20日
A Survey On Enhancing Reinforcement Learning in Complex Environments: Insights from Human and LLM Feedback
Arxiv
0+阅读 · 11月20日
Fine-tuning Myoelectric Control through Reinforcement Learning in a Game Environment
Arxiv
0+阅读 · 11月20日
RLtools: A Fast, Portable Deep Reinforcement Learning Library for Continuous Control
RLtools: A Fast, Portable Deep Reinforcement Learning Library for Continuous Control
Arxiv
0+阅读 · 11月19日
TransDreamer: Reinforcement Learning with Transformer World Models
Arxiv
0+阅读 · 11月19日
Modulating Reservoir Dynamics via Reinforcement Learning for Efficient Robot Skill Synthesis
Arxiv
0+阅读 · 11月17日
When Your AIs Deceive You: Challenges of Partial Observability in Reinforcement Learning from Human Feedback
Arxiv
0+阅读 · 11月17日
Structure learning with Temporal Gaussian Mixture for model-based Reinforcement Learning
Arxiv
0+阅读 · 11月18日
参考链接
维基百科
父主题
机器学习
数据挖掘
子主题
马尔可夫决策过程
UNREAL(DRL算法)
深度强化学习
预期回报
人工智能游戏
图强化学习
微信扫码咨询专知VIP会员
Top