会员服务
When Life Gives You BC, Make Q-functions: Extracting Q-values from Behavior Cloning for On-Robot Reinforcement Learning
Arxiv
0+阅读 · 6月16日
Fast Non-Episodic Finite-Horizon RL with K-Step Lookahead Thresholding
Arxiv
0+阅读 · 6月13日
Value Functions for Temporal Logic: Optimal Policies and Safety Filters
Arxiv
0+阅读 · 5月1日
Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
Arxiv
0+阅读 · 3月13日
Cross-Domain Policy Optimization via Bellman Consistency and Hybrid Critics
Arxiv
0+阅读 · 3月12日
Uncertainty-Aware Rank-One MIMO Q Network Framework for Accelerated Offline Reinforcement Learning
Arxiv
0+阅读 · 2月23日
Direct Soft-Policy Sampling via Langevin Dynamics
Arxiv
0+阅读 · 2月8日
Choice-Model-Assisted Q-learning for Delayed-Feedback Revenue Management
Arxiv
0+阅读 · 2月2日
ME-IGM: Individual-Global-Max in Maximum Entropy Multi-Agent Reinforcement Learning
Arxiv
0+阅读 · 2月3日
Fast Non-Episodic Finite-Horizon RL with K-Step Lookahead Thresholding
Arxiv
0+阅读 · 1月31日
Smart Exploration in Reinforcement Learning using Bounded Uncertainty Models
Arxiv
0+阅读 · 1月28日
Off-Policy Actor-Critic with Sigmoid-Bounded Entropy for Real-World Robot Learning
Arxiv
0+阅读 · 1月22日
Gaussian-Mixture-Model Q-Functions for Policy Iteration in Reinforcement Learning
Arxiv
0+阅读 · 2025年12月21日
Semiparametric Double Reinforcement Learning with Applications to Long-Term Causal Inference
Arxiv
0+阅读 · 2025年11月12日
Aligning LLMs Toward Multi-Turn Conversational Outcomes Using Iterative PPO
Arxiv
0+阅读 · 2025年11月26日
参考链接
微信扫码咨询专知VIP会员
Top