Buchumschlag

Trajectory-Oriented Policy Optimization with Sparse Rewards

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Guojian, Wu, Faguo, Zhang, Xiao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Policy Optimization with Smooth Guidance Learned from State-Only Demonstrations
von: Wang, Guojian, et al.
Veröffentlicht: (2023)

Learning Diverse Policies with Soft Self-Generated Guidance
von: Wang, Guojian, et al.
Veröffentlicht: (2024)

Adaptive trajectory-constrained exploration strategy for deep reinforcement learning
von: Wang, Guojian, et al.
Veröffentlicht: (2023)

Preference-Guided Reinforcement Learning for Efficient Exploration
von: Wang, Guojian, et al.
Veröffentlicht: (2024)

Intrinsic Reward Policy Optimization for Sparse-Reward Environments
von: Cho, Minjae, et al.
Veröffentlicht: (2026)

Hindsight-Anchored Policy Optimization: Turning Failure into Feedback in Sparse Reward Settings
von: Wu, Yuning, et al.
Veröffentlicht: (2026)

HPO: Hysteretic Policy Optimization for Stable and Efficient Training under Sparse-Reward Regime
von: Sana, Mohamed, et al.
Veröffentlicht: (2026)

TMS: Trajectory-Mixed Supervision for Reward-Free, On-Policy SFT
von: Khan, Rana Muhammad Shahroz, et al.
Veröffentlicht: (2026)

Fat-to-Thin Policy Optimization: Offline RL with Sparse Policies
von: Zhu, Lingwei, et al.
Veröffentlicht: (2025)

CROP: Conservative Reward for Model-based Offline Policy Optimization
von: Li, Hao, et al.
Veröffentlicht: (2023)

Pretrain Value, Not Reward: Decoupled Value Policy Optimization
von: Huang, Chenghua, et al.
Veröffentlicht: (2025)

Interpretable Reward Model via Sparse Autoencoder
von: Zhang, Shuyi, et al.
Veröffentlicht: (2025)

ORSO: Accelerating Reward Design via Online Reward Selection and Policy Optimization
von: Zhang, Chen Bo Calvin, et al.
Veröffentlicht: (2024)

Multi-Objective and Mixed-Reward Reinforcement Learning via Reward-Decorrelated Policy Optimization
von: Bai, Yang, et al.
Veröffentlicht: (2026)

ODRPO: Ordinal Decompositions of Discrete Rewards for Robust Policy Optimization
von: Patel, Nirmal, et al.
Veröffentlicht: (2026)

Mind Your Entropy: From Maximum Entropy to Trajectory Entropy-Constrained RL
von: Zhan, Guojian, et al.
Veröffentlicht: (2025)

GOPO: Policy Optimization using Ranked Rewards
von: Choi, Kyuseong, et al.
Veröffentlicht: (2026)

A Unified Pairwise Framework for RLHF: Bridging Generative Reward Modeling and Policy Optimization
von: Xu, Wenyuan, et al.
Veröffentlicht: (2025)

Learning Fill-in Reduction Ordering via Graph Policy Optimization for Sparse Matrices
von: Li, Ziwei, et al.
Veröffentlicht: (2026)

DADP: Domain Adaptive Diffusion Policy
von: Wang, Pengcheng, et al.
Veröffentlicht: (2026)

Overcoming Reward Overoptimization via Adversarial Policy Optimization with Lightweight Uncertainty Estimation
von: Zhang, Xiaoying, et al.
Veröffentlicht: (2024)

Intra-Trajectory Consistency for Reward Modeling
von: Zhou, Chaoyang, et al.
Veröffentlicht: (2025)

DRL-Enabled Trajectory Planing for UAV-Assisted VLC: Optimal Altitude and Reward Design
von: Lin, Tian-Tian, et al.
Veröffentlicht: (2026)

Co-Evolution of Policy and Internal Reward for Language Agents
von: Wang, Xinyu, et al.
Veröffentlicht: (2026)

Sparse Diffusion Policy: A Sparse, Reusable, and Flexible Policy for Robot Learning
von: Wang, Yixiao, et al.
Veröffentlicht: (2024)

Zero Shot Coordination for Sparse Reward Tasks with Diverse Reward Shapings
von: Powell, Keenan, et al.
Veröffentlicht: (2026)

ROAD: Responsibility-Oriented Reward Design for Reinforcement Learning in Autonomous Driving
von: Chen, Yongming, et al.
Veröffentlicht: (2025)

Value-Free Policy Optimization via Reward Partitioning
von: Faye, Bilal, et al.
Veröffentlicht: (2025)

ETGL-DDPG: A Deep Deterministic Policy Gradient Algorithm for Sparse Reward Continuous Control
von: Futuhi, Ehsan, et al.
Veröffentlicht: (2024)

Confidence-Controlled Exploration: Efficient Sparse-Reward Policy Learning for Robot Navigation
von: Patel, Bhrij, et al.
Veröffentlicht: (2023)

Policy Learning for Balancing Short-Term and Long-Term Rewards
von: Wu, Peng, et al.
Veröffentlicht: (2024)

Beyond GRPO and On-Policy Distillation: An Empirical Sparse-to-Dense Reward Principle for Language-Model Post-Training
von: Xu, Yuanda, et al.
Veröffentlicht: (2026)

Flow-based Policy With Distributional Reinforcement Learning in Trajectory Optimization
von: Hao, Ruijie, et al.
Veröffentlicht: (2026)

Attention-Based Reward Shaping for Sparse and Delayed Rewards
von: Holmes, Ian, et al.
Veröffentlicht: (2025)

PRPO: Aligning Process Reward with Outcome Reward in Policy Optimization
von: Ding, Ruiyi, et al.
Veröffentlicht: (2026)

Quantile Reward Policy Optimization: Alignment with Pointwise Regression and Exact Partition Functions
von: Matrenok, Simon, et al.
Veröffentlicht: (2025)

Optimizing Backward Policies in GFlowNets via Trajectory Likelihood Maximization
von: Gritsaev, Timofei, et al.
Veröffentlicht: (2024)

Reflective Prompted Policy Optimization: Trajectory-Grounded Revision and Salience Bias
von: Hara, Rahaf Abu, et al.
Veröffentlicht: (2026)

Grad2Reward: From Sparse Judgment to Dense Rewards for Improving Open-Ended LLM Reasoning
von: Zhang, Zheng, et al.
Veröffentlicht: (2026)

DRPO: Efficient Reasoning via Decoupled Reward Policy Optimization
von: Li, Gang, et al.
Veröffentlicht: (2025)