会员服务
ExO-PPO: an Extended Off-policy Proximal Policy Optimization Algorithm
Arxiv
0+阅读 · 2月10日
Beating the Winner's Curse via Inference-Aware Policy Optimization
Arxiv
0+阅读 · 2月7日
PPO in the Fisher-Rao geometry
Arxiv
0+阅读 · 1月30日
Robust Intervention Learning from Emergency Stop Interventions
Robust Intervention Learning from Emergency Stop Interventions
Arxiv
0+阅读 · 2月3日
Deep SPI: Safe Policy Improvement via World Models
Arxiv
0+阅读 · 1月28日
Bootstrap Off-policy with World Model
Arxiv
0+阅读 · 1月15日
Success Conditioning as Policy Improvement: The Optimization Problem Solved by Imitating Success
Arxiv
0+阅读 · 1月26日
Deep Improvement Supervision
Arxiv
0+阅读 · 2025年11月28日
How Ensembles of Distilled Policies Improve Generalisation in Reinforcement Learning
Arxiv
0+阅读 · 2025年10月23日
Zero-Shot Coordination in Ad Hoc Teams with Generalized Policy Improvement and Difference Rewards
Arxiv
0+阅读 · 2025年10月17日
Offline Fictitious Self-Play for Competitive Games
Arxiv
0+阅读 · 2025年10月14日
Fixing That Free Lunch: When, Where, and Why Synthetic Data Fails in Model-Based Policy Optimization
Arxiv
0+阅读 · 2025年10月3日
MSG: Multi-Stream Generative Policies for Sample-Efficient Robotic Manipulation
Arxiv
0+阅读 · 2025年9月29日
Is FISHER All You Need in The Multi-AUV Underwater Target Tracking Task?
Arxiv
0+阅读 · 2025年9月29日
SNPL: Simultaneous Policy Learning and Evaluation for Safe Multi-Objective Policy Improvement
Arxiv
0+阅读 · 2025年3月17日
参考链接
微信扫码咨询专知VIP会员
Top