标签
本文介绍了即时情节重复（IER），这是一种受生物学启发的机制，通过在数据收集期间主动重复成功情节中的动作序列来提升强化学习中的样本效率，并在MuJoCo、DeepMind Control Suite和机器人任务上展示了性能提升。
本文介绍了V-Simba，一种视觉RL架构，通过添加归一化层和逐点卷积来提高样本效率和稳定性。它在DMC、Adroit和Meta-World基准测试中达到或超越了最先进的方法，同时比DrQ-v2更具计算效率。
本文提出了 OG-SPR，一种无模型视觉强化学习算法，它将潜在自预测与观测预测相结合，学习具有动力学感知的表示，从而在 DeepMind Control Suite 任务上提高了样本效率。
本文提出FaStR，一种通过CP分解将强化学习中的转移核分解为独立的状态、动作和下一状态编码器的方法，从而提升样本效率，尤其在高维运动控制任务中效果显著。
SteinGate引入了一种基于核化Stein散度的分布安全证书，用于检测安全强化学习中罕见的灾难性尾部事件，动态调整策略更新以减少约束违反，同时保持有竞争力的回报。
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。