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:2507.09177

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.09177 (cs)
[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

Authors:Zichen Liu, Guoji Fu, Chao Du, Wee Sun Lee, Min Lin
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。
摘要: Continual reinforcement learning (CRL) refers to a naturalistic setting where an agent needs to endlessly evolve, by trial and error, to solve multiple tasks that are presented sequentially. One of the largest obstacles to CRL is that the agent may forget how to solve previous tasks when learning a new task, known as catastrophic forgetting. In this paper, we propose to address this challenge by planning with online world models. Specifically, we learn a Follow-The-Leader shallow model online to capture the world dynamics, in which we plan using model predictive control to solve a set of tasks specified by any reward functions. The online world model is immune to forgetting by construction with a proven regret bound of $\mathcal{O}(\sqrt{K^2D\log(T)})$ under mild assumptions. The planner searches actions solely based on the latest online model, thus forming a FTL Online Agent (OA) that updates incrementally. To assess OA, we further design Continual Bench, a dedicated environment for CRL, and compare with several strong baselines under the same model-planning algorithmic framework. The empirical results show that OA learns continuously to solve new tasks while not forgetting old skills, outperforming agents built on deep world models with various continual learning techniques.
评论: ICML 2025 展示
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 机器学习 (stat.ML)
引用方式: arXiv:2507.09177 [cs.LG]
  (或者 arXiv:2507.09177v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.09177
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zichen Liu [查看电子邮件]
[v1] 星期六, 2025 年 7 月 12 日 07:52:31 UTC (2,540 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.AI
cs.LG
stat

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