标签
Delta-JEPA 引入了一种无重建的世界模型，通过潜在差异动作解码器增强潜在前向预测，以防止崩溃并提高动作敏感性，从而在视觉连续控制任务上实现更好的规划性能。
本文提出 AutoSafe，一种面向安全在线强化学习的安全感知策略架构，将结构化的安全监控与干预直接集成到动作生成中，实现性能和安全性行为之间平滑的、依赖于风险的过渡，在基准测试和物理 cart-pole 系统上得到了验证。
本文介绍了受Kolmogorov-Arnold网络启发的低功耗模拟神经网络，在连接上放置可训练的非线性函数，使其能够以远少于多层感知器的节点和连接高效执行连续控制任务，并在硬件上演示，预计功耗仅为微瓦级。
QGF 是一种强化学习算法，通过使用价值梯度来指导预训练的流策略，在测试时改进策略，避免了训练时的不稳定性，同时保持了竞争力的性能。
GenPO++ 提出了一种可逆生成式策略优化框架，该框架在高阶可逆 ODE 求解器中使用历史状态作为辅助记忆，从而为强化学习中的流式策略实现精确反演和无雅可比似然比计算。它在大规模控制、微调和真实世界机器人任务上取得了有竞争力的性能，同时提高了稳定性和效率。
本文认为，表示学习（而非基于模型的规划）是可扩展多任务深度强化学习的关键。文章介绍了MR.Q，一种简单的无模型算法，通过辅助预测目标，在多种连续控制任务上优于之前基于世界模型的方法。
介绍了NOML，一种用于连续飞行控制的自定义强化学习算法，它采用分层actor、锚定策略和镜像学习来防止振荡并提高稳定性。该代码已在GitHub上开源。
介绍QuantFPFlow，一种强化学习框架，利用量子振幅估计在连续控制的Fokker-Planck配分函数估计中实现二次加速，从而改善探索并避免局部最优。
提出R2R2，一种用于强化学习中自预测学习的正则化方法，以缓解高更新-数据比下的过拟合，在连续控制任务上取得了显著改进。
OpenAI 推出了一套具有挑战性的多目标强化学习任务，使用 Fetch 和 Shadow Dexterous Hand 硬件，集成到 OpenAI Gym 中，并提出了改进强化学习算法的研究方向。