10:54
官方账号arXiv cs.AI@Jonas Ehrhardt, René Heesch, Oliver Niggemann
推荐理由：这篇论文的KGRL算法把领域知识直接融入强化学习训练，比传统基线更省样本、回报更高，适合做PAMDP相关研究的人参考。
知识引导
共 1 条相关 AI 资讯
7月15日
10:54
本文研究参数化动作马尔可夫决策过程（PAMDP）中的强化学习问题。现有算法通常采用单次估计器确定参数，导致训练样本效率低下。作者提出KGRL算法，利用Datalog知识库中的领域知识修剪非适用动作并约束参数空间，再通过梯度参数精化环优化参数。在多个PAMDP基准环境中，KGRL在样本效率和情节回报上均优于现有基线。