10:34官方账号arXiv cs.LG@Ajith Anil Meera, Pablo Lanillos, Wouter Kouw该论文提出用主动推理中的预期自由能(EFE)作为统一准则,解决机器人在未知环境(如火星找水)中同时构建信息地图和寻找高价值区域的问题。方法基于高斯过程维护信息场信念,并在硬路径长度约束下规划连续轨迹。多组实验显示,EFE规划在相同条件下优于信息论基线,能同时获得准确后验地图并定位高价值区域。该策略易于调参,适合自主部署并满足效率与资源约束。论文EFE主动推理高斯过程推荐理由:这篇论文把主动推理的EFE用到火星车探路上,一套准则同时搞定画地图和找目标,比纯信息论方法更省路。原文稍后读已读值得跟进有用关注 EFE
11:15官方账号arXiv cs.LG@Aurélien Pion, Emmanuel Vazquez精选贝叶斯优化依赖高斯过程预测分布来选择评估点,但核函数和超参数选择可能导致预测分布校准不良,影响探索-利用平衡。针对最小化问题,期望改进等采样准则依赖于当前最优值以下的预测分布,下尾校准直接决定采样决策。本文提出tcGP,一种后处理方法,专门校准高斯过程在低阈值以下的预测分布,并证明基于tcGP的EI全局优化算法在设计空间中是稠密的。标准基准实验表明,tcGP相比标准GP和全局校准GP,显著改善了下尾校准和贝叶斯优化性能。论文贝叶斯优化高斯过程下尾校准推荐理由:做贝叶斯优化的团队终于有了专门解决下尾校准问题的工具——tcGP直接提升低值区域的预测可靠性,让EI采样更精准,做超参数调优或实验设计的建议试试。原文稍后读已读值得跟进有用关注 贝叶斯优化