-
最近の投稿
- Enhancing Trust in Autonomous Agents: An Architecture for Accountability and Explainability through Blockchain and Large Language Models
- $\mathcal{L}_1$Quad: $\mathcal{L}_1$ Adaptive Augmentation of Geometric Control for Agile Quadrotors with Performance Guarantees
- Scalable and low-cost remote lab platforms: Teaching industrial robotics using open-source tools and understanding its social implications
- Tabletop Object Rearrangement: Structure, Complexity, and Efficient Combinatorial Search-Based Solutions
- AdaCred: Adaptive Causal Decision Transformers with Feature Crediting
-
最近のコメント
表示できるコメントはありません。 cs.AI (31312) cs.CL (23684) cs.CR (2432) cs.CV (37678) cs.LG (36192) cs.RO (18300) cs.SY (2805) eess.IV (4529) eess.SY (2799) stat.ML (4795)
「90C40」カテゴリーアーカイブ
A Fisher-Rao gradient flow for entropy-regularised Markov decision processes in Polish spaces
要約 我々は、ポーランドの状態および行動空間を用いた無限地平線エントロピー正則化 … 続きを読む
Strongly-polynomial time and validation analysis of policy gradient methods
要約 この論文では、有限状態およびアクションのマルコフ決定プロセス (MDP) … 続きを読む
Achieving Exponential Asymptotic Optimality in Average-Reward Restless Bandits without Global Attractor Assumption
要約 無限の地平線の平均報酬の落ち着きのない盗賊問題を考えます。 我々は、アーム … 続きを読む
Unichain and Aperiodicity are Sufficient for Asymptotic Optimality of Average-Reward Restless Bandits
要約 我々は、離散時間における無限地平の平均報酬型レストレス・バンディット問題を … 続きを読む
Active Inference Tree Search in Large POMDPs
要約 事前に効率的に計画を立てる能力は、生物と人工システムの両方にとって重要です … 続きを読む
Non-maximizing policies that fulfill multi-criterion aspirations in expectation
要約 動的計画法と強化学習では、確率的環境におけるエージェントの逐次的な意思決定 … 続きを読む
Unichain and Aperiodicity are Sufficient for Asymptotic Optimality of Average-Reward Restless Bandits
要約 無限の地平線、平均報酬の落ち着きのない盗賊問題を離散時間で考察します。 私 … 続きを読む
Restless Bandits with Average Reward: Breaking the Uniform Global Attractor Assumption
要約 離散時間設定と連続時間設定の両方で、平均報酬基準を使用して無限地平線の落ち … 続きを読む
A Fisher-Rao gradient flow for entropy-regularised Markov decision processes in Polish spaces
要約 我々は、ポーランドの状態と行動空間を用いた無限地平線エントロピー正則化マル … 続きを読む