标签
本文提出了动作条件风险门控（Action-Conditioned Risk Gating），一种用于部分可观测下风险敏感控制的轻量级强化学习方法，该方法利用紧凑的有限历史代理状态和基于动作条件的近期风险预测器来平衡安全性和性能。
本文提出了可重复使用的经过认证的运行时监控器，用于过去时间信号时序逻辑（ptSTL），这些监控器使用语义潜在表示来评估不同规格而无需重新训练，并在行人交叉路口和Waymo驾驶数据上进行了验证。
IntentVLA 是一种历史条件视觉-语言-动作框架，通过从视觉观察中编码短期意图来提高机器人模仿学习的稳定性，解决了部分可观察性和模糊观察带来的挑战。它还引入了 AliasBench，这是一个用于评估此类方法的模糊感知基准。
本文介绍了 Agent-BRACE，该方法将大型语言模型（LLM）智能体解耦为信念状态模型和策略模型，以处理部分可观测环境中的长视距任务。通过语言化状态不确定性，该方法在保持上下文窗口大小恒定的同时，相比基线方法实现了显著的性能提升。
本文介绍了Pinductor，一种利用语言模型先验从有限的观测-动作数据中高效学习POMDP世界模型的方法，其性能与具有特权隐藏状态访问的方法相当，同时超越了传统的表格方法。
本文介绍了 BeliefMem，一种专为大语言模型（LLM）智能体设计的新型记忆范式。该范式通过存储带有概率的多个候选结论来处理部分可观测性问题，并减少自我强化错误。在 LoCoMo 和 ALFWorld 基准测试中的实证评估显示，该方法优于确定性基线模型。
本文提出了神经伴随状态策略，建立了循环强化学习隐藏状态与庞特里亚金极小值原理之间的正式联系，以增强可解释性和鲁棒性。