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:2511.04598

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2511.04598 (cs)
[提交于 2025年11月6日 ]

标题: 环境无关的目标条件,自由奖励自主学习的研究

标题: Environment Agnostic Goal-Conditioning, A Study of Reward-Free Autonomous Learning

Authors:Hampus Åström, Elin Anna Topp, Jacek Malec
摘要: 在本文中,我们研究如何将常规强化学习环境转化为目标条件环境,使智能体能够自主且无需奖励地解决任务。 我们表明,智能体可以在与外部引导的强化学习相当的训练时间内,以环境无关的方式选择自己的目标来学习解决问题。 我们的方法独立于底层的离策略学习算法。 由于我们的方法是环境无关的,智能体不会对任何目标给予更高的价值,这导致单个目标的性能不稳定。 然而,在我们的实验中,我们展示了平均目标成功率达到并稳定在较高水平。 使用此方法训练的智能体可以被指示去寻找环境中任何观察到的内容,从而在特定用例之前实现智能体的通用训练。
摘要: In this paper we study how transforming regular reinforcement learning environments into goal-conditioned environments can let agents learn to solve tasks autonomously and reward-free. We show that an agent can learn to solve tasks by selecting its own goals in an environment-agnostic way, at training times comparable to externally guided reinforcement learning. Our method is independent of the underlying off-policy learning algorithm. Since our method is environment-agnostic, the agent does not value any goals higher than others, leading to instability in performance for individual goals. However, in our experiments, we show that the average goal success rate improves and stabilizes. An agent trained with this method can be instructed to seek any observations made in the environment, enabling generic training of agents prior to specific use cases.
评论: 8页,不含封面、参考文献和补充材料,11页含。提交至RLC 2025的研讨会RLBrew和IMOL 2025
主题: 机器学习 (cs.LG)
引用方式: arXiv:2511.04598 [cs.LG]
  (或者 arXiv:2511.04598v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2511.04598
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Hampus Åström [查看电子邮件]
[v1] 星期四, 2025 年 11 月 6 日 17:51:11 UTC (1,753 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
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-11
切换浏览方式为:
cs

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