Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2505.00503

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2505.00503 (cs)
[提交于 2025年5月1日 (v1) ,最后修订 2025年7月8日 (此版本, v3)]

标题: 变分OOD状态校正用于离线强化学习

标题: Variational OOD State Correction for Offline Reinforcement Learning

Authors:Ke Jiang, Wen Jiang, Xiaoyang Tan
摘要: 离线强化学习的性能显著受到状态分布偏移问题的影响,而分布外(OOD)状态校正是一种流行的方法来解决这个问题。 在本文中,我们提出了一种名为密度感知安全感知(DASP)的新方法用于OOD状态校正。 具体来说,我们的方法鼓励智能体优先选择导致更高数据密度结果的动作,从而促进其在分布内(安全)区域内的操作或返回。 为了实现这一点,我们在变分框架内优化目标,同时考虑决策的潜在结果及其密度,从而为安全决策提供关键的上下文信息。 最后,我们通过在离线MuJoCo和AntMaze套件上的广泛实验评估验证了我们所提出方法的有效性和可行性。
摘要: The performance of Offline reinforcement learning is significantly impacted by the issue of state distributional shift, and out-of-distribution (OOD) state correction is a popular approach to address this problem. In this paper, we propose a novel method named Density-Aware Safety Perception (DASP) for OOD state correction. Specifically, our method encourages the agent to prioritize actions that lead to outcomes with higher data density, thereby promoting its operation within or the return to in-distribution (safe) regions. To achieve this, we optimize the objective within a variational framework that concurrently considers both the potential outcomes of decision-making and their density, thus providing crucial contextual information for safe decision-making. Finally, we validate the effectiveness and feasibility of our proposed method through extensive experimental evaluations on the offline MuJoCo and AntMaze suites.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 机器人技术 (cs.RO)
引用方式: arXiv:2505.00503 [cs.LG]
  (或者 arXiv:2505.00503v3 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.00503
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Ke Jiang [查看电子邮件]
[v1] 星期四, 2025 年 5 月 1 日 13:14:07 UTC (6,405 KB)
[v2] 星期一, 2025 年 5 月 5 日 06:00:10 UTC (6,405 KB)
[v3] 星期二, 2025 年 7 月 8 日 03:38:40 UTC (6,401 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs
cs.LG
cs.RO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号