#连续控制

共 12 条 · 7 天 0 条 · 30 天 3 条

强化学习 4 Code World Model 1 Diffusion Policy 1 Dreamer 1 EPIG-Tree 1 GEM-MPC 1 GPT-5.x 1 Koopman Dreamer 1

信息流里打上「连续控制」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月24日

论文 Agent 与开发者09:37

RACER：用风险敏感目标与Critic一致性正则改进对抗强化学习

做强化学习的可以看看：RACER 用自适应扰动和 critic 一致性正则，解决了对抗训练里对手太狠把智能体带偏的问题，连续控制实验效果确实比老基线稳。

#RACER #强化学习 #鲁棒性 #连续控制

arXiv cs.LG@Jiaxi Wu 等 5 人原文

9月21日

论文 Agent 与开发者精选09:20

GEM-MPC算法通过专家引导规划平衡探索与利用

这是篇关于强化学习新算法的论文，作者提出GEM-MPC方法，通过专家引导规划来平衡探索和利用，在连续控制任务上表现更好。

#GEM-MPC #强化学习 #连续控制 #探索与利用

arXiv cs.LG@Alvaro Serra-Gomez, Thomas Moerland原文

9月18日

模型 Agent 与开发者精选13:47

EPIG-Tree 算法提升强化学习梯度估计效率

这个新算法能更高效地计算梯度，在连续控制任务和 Wordle 游戏上都比传统方法表现更好。

#EPIG-Tree #强化学习 #梯度估计 #连续控制

arXiv cs.LG@Nikita Khomich 等 3 人原文

8月19日

论文11:38

连续代码世界模型中的采样验证风险法则

GPT-5.x修复代码模型缺陷的实验揭示了采样验证的局限性

#Code World Model #GPT-5.x #连续控制 #采样验证

arXiv cs.LG@Javier Aguilar Martín原文

8月6日

模型11:47

POGP：连续控制的前缀最优动态扩散策略，学习何时停止

POGP能在保持性能的同时把去噪步数砍掉近三分之二，还比现有动态扩散方法更准，做连续控制的可以看看。

#POGP #Diffusion Policy #MuJoCo #连续控制

arXiv cs.LG@Rohit Kumar Salla 等 3 人原文

7月23日

论文精选09:57

Koopman Dreamer: 谱约束潜动力学实现稳定世界模型想象

Koopman Dreamer 给 Dreamer 加了个谱约束核，长程想象稳多了。在 DeepMind 控制套件和无人机导航上，比原版 Dreamer 控得更好更稳。

#Koopman Dreamer #Dreamer #世界模型 #连续控制

arXiv: Google DeepMind@Jiaqi Li 等 6 人原文

6月16日

模型10:51

ARB4WM: 世界模型对抗鲁棒性统一评估基准

想检验你的世界模型扛不扛揍？ARB4WM这个新基准专门测视觉扰动下的鲁棒性，比单看动作空间全面多了。

#ARB4WM #Dreamer #世界模型 #对抗鲁棒性

arXiv: Google DeepMind@Junjian Zhang 等 6 人原文

6月9日

论文13:09

一种基于基线策略的模型无关强化学习增强方法

做强化学习训练的团队可以省下从头调参的功夫——用现有基线策略做跳板，训练效率更高且最终策略更强，值得在连续控制任务上试试。

#强化学习 #策略增强 #基线策略 #模型无关

arXiv cs.AI@Anton Bolychev 等 4 人原文

论文精选11:57

RLDT：用强化学习微调流匹配策略，密度传输对齐奖励区域

RLDT 解决了流匹配策略在强化学习中难以微调的痛点，做连续控制或机器人操作的团队可以直接参考其密度传输思路，比蒸馏或近似分布的方法更高效。

#强化学习 #流匹配 #密度传输 #连续控制

arXiv cs.AI@Boshu Lei 等 3 人原文

5月25日

论文多源确认10:04

Reflex：利用反射对称性提升强化学习样本效率

Reflex解决了强化学习样本效率低下的痛点，尤其适合做连续控制任务的RL研究者——直接集成PPO/SAC就能提升性能，值得一试。

#强化学习 #样本效率 #反射对称性 #连续控制

事件专题

arXiv: OpenAI@Shuai Zhen 等 4 人9 个信源在谈原文

5月20日

论文精选11:41

DWS：隐式动作分块实现平滑连续控制，100%成功率

做机器人控制或自动驾驶的团队，DWS解决了强化学习控制信号抖动这个老大难问题，无需增加模型复杂度就能提升安全性和成功率，值得在你们的仿真或实机任务上试试。

#强化学习 #连续控制 #动作分块 #平滑控制

arXiv: Google DeepMind@Bosun Liang 等 8 人原文

5月12日

论文19:11

MRP方法提升混合策略在强化学习中的实用性

该论文提出了MRP估计器，解决了混合策略在强化学习中的方差问题，实验验证了其有效性，对从事连续控制任务的研究者和工程师具有参考价值。

#强化学习 #混合策略 #连续控制 #重新参数化

arXiv: Google DeepMind@Jiamin He 等 5 人原文