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:2507.01823

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2507.01823 (cs)
[提交于 2025年7月2日 ]

标题: TD-MPC-Opt:基于模型的多任务强化学习智能体的蒸馏

标题: TD-MPC-Opt: Distilling Model-Based Multi-Task Reinforcement Learning Agents

Authors:Dmytro Kuzmenko, Nadiya Shvai
摘要: 我们提出了一种基于模型的强化学习中的知识迁移新方法,解决了在资源受限环境中部署大型世界模型的关键挑战。 我们的方法在MT30基准上高效地将高容量多任务智能体(317M参数)蒸馏为一个紧凑模型(1M参数),显著提高了在各种任务上的性能。 我们蒸馏后的模型实现了最先进的归一化得分28.45,超过了原始1M参数模型的得分18.93。 这一改进证明了我们的蒸馏技术能够捕捉和整合复杂的多任务知识。 我们进一步通过FP16后训练量化优化了蒸馏模型,将其大小减少了$\sim$50%。 我们的方法解决了实际部署限制,并为大型世界模型中的知识表示提供了见解,为机器人和其他资源受限应用中的更高效、更易访问的多任务强化学习系统铺平了道路。 代码可在https://github.com/dmytro-kuzmenko/td-mpc-opt获取。
摘要: We present a novel approach to knowledge transfer in model-based reinforcement learning, addressing the critical challenge of deploying large world models in resource-constrained environments. Our method efficiently distills a high-capacity multi-task agent (317M parameters) into a compact model (1M parameters) on the MT30 benchmark, significantly improving performance across diverse tasks. Our distilled model achieves a state-of-the-art normalized score of 28.45, surpassing the original 1M parameter model score of 18.93. This improvement demonstrates the ability of our distillation technique to capture and consolidate complex multi-task knowledge. We further optimize the distilled model through FP16 post-training quantization, reducing its size by $\sim$50\%. Our approach addresses practical deployment limitations and offers insights into knowledge representation in large world models, paving the way for more efficient and accessible multi-task reinforcement learning systems in robotics and other resource-constrained applications. Code available at https://github.com/dmytro-kuzmenko/td-mpc-opt.
评论: 未同行评审的稿件预印本
主题: 机器学习 (cs.LG) ; 机器人技术 (cs.RO)
引用方式: arXiv:2507.01823 [cs.LG]
  (或者 arXiv:2507.01823v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.01823
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Dmytro Kuzmenko [查看电子邮件]
[v1] 星期三, 2025 年 7 月 2 日 15:38:49 UTC (4,071 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.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
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