计算机科学 > 机器学习
[提交于 2025年7月12日
]
标题: 通过在线世界模型进行规划的持续强化学习
标题: Continual Reinforcement Learning by Planning with Online World Models
摘要: 持续强化学习(CRL)指的是一个自然情境,其中智能体需要通过不断试错来持续进化,以解决依次呈现的多个任务。 CRL最大的障碍之一是当学习新任务时,智能体可能会忘记如何解决之前的任务,这被称为灾难性遗忘。 在本文中,我们提出通过使用在线世界模型来进行规划来解决这一挑战。 具体而言,我们在线学习一个跟随领导者浅层模型来捕捉世界动态,在此模型中,我们使用模型预测控制来解决由任何奖励函数指定的一组任务。 在温和假设下,该在线世界模型具有证明的遗憾界$\mathcal{O}(\sqrt{K^2D\log(T)})$,因此在构造上对遗忘免疫。 规划器仅基于最新的在线模型搜索动作,从而形成一个FTRL在线代理(OA),该代理逐步更新。 为了评估OA,我们进一步设计了Continual Bench,这是一个专门用于CRL的环境,并在相同的模型规划算法框架下与多个强基线进行比较。 实验结果表明,OA能够持续学习以解决新任务而不遗忘旧技能,其性能优于使用各种持续学习技术的深度世界模型构建的代理。
文献和引用工具
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
推荐器和搜索工具
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.