Buchumschlag

Control in Stochastic Environment with Delays: A Model-based Reinforcement Learning Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yao, Zhiyuan, Florescu, Ionut, Lee, Chihoon
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reinforcement Learning in Agent-Based Market Simulation: Unveiling Realistic Stylized Facts and Behavior
von: Yao, Zhiyuan, et al.
Veröffentlicht: (2024)

Actively Learning Reinforcement Learning: A Stochastic Optimal Control Approach
von: Ramadan, Mohammad S., et al.
Veröffentlicht: (2023)

Power Allocation for Delay Optimization in Device-to-Device Networks: A Graph Reinforcement Learning Approach
von: Fang, Hao, et al.
Veröffentlicht: (2025)

ReinVBC: A Model-based Reinforcement Learning Approach to Vehicle Braking Controller
von: Lin, Haoxin, et al.
Veröffentlicht: (2026)

A Reinforcement Learning Approach for Optimal Control in Microgrids
von: Salaorni, Davide, et al.
Veröffentlicht: (2025)

Stochastic Reinforcement Learning with Stability Guarantees for Control of Unknown Nonlinear Systems
von: Quartz, Thanin, et al.
Veröffentlicht: (2024)

Risk-Aware Safe Reinforcement Learning for Control of Stochastic Linear Systems
von: Esmaeili, Babak, et al.
Veröffentlicht: (2025)

Inverse Delayed Reinforcement Learning
von: Zhan, Simon Sinong, et al.
Veröffentlicht: (2024)

Reinforcement Learning in Non-Markovian Environments
von: Chandak, Siddharth, et al.
Veröffentlicht: (2022)

Structured Reinforcement Learning for Incentivized Stochastic Covert Optimization
von: Jain, Adit, et al.
Veröffentlicht: (2024)

Model-free Reinforcement Learning for Model-based Control: Towards Safe, Interpretable and Sample-efficient Agents
von: Banker, Thomas, et al.
Veröffentlicht: (2025)

Hierarchical Reinforcement Learning Framework for Stochastic Spaceflight Campaign Design
von: Takubo, Yuji, et al.
Veröffentlicht: (2021)

Precise Insulin Delivery for Artificial Pancreas: A Reinforcement Learning Optimized Adaptive Fuzzy Control Approach
von: Mameche, Omar, et al.
Veröffentlicht: (2025)

Boosting Reinforcement Learning with Strongly Delayed Feedback Through Auxiliary Short Delays
von: Wu, Qingyuan, et al.
Veröffentlicht: (2024)

Improving Stochastic Action-Constrained Reinforcement Learning via Truncated Distributions
von: Stolz, Roland, et al.
Veröffentlicht: (2025)

Reinforcement Learning-based Control via Y-wise Affine Neural Networks (YANNs)
von: Braniff, Austin, et al.
Veröffentlicht: (2025)

Dyna-Style Reinforcement Learning Modeling and Control of Non-linear Dynamics
von: Abdelsalam, Karim, et al.
Veröffentlicht: (2025)

Learning-assisted Stochastic Capacity Expansion Planning: A Bayesian Optimization Approach
von: Brenner, Aron, et al.
Veröffentlicht: (2024)

End-to-End Reinforcement Learning of Koopman Models for Economic Nonlinear Model Predictive Control
von: Mayfrank, Daniel, et al.
Veröffentlicht: (2023)

Human-Centric Traffic Signal Control for Equity: A Multi-Agent Action Branching Deep Reinforcement Learning Approach
von: Zhang, Xiaocai, et al.
Veröffentlicht: (2026)

Learning Coverage Paths in Unknown Environments with Deep Reinforcement Learning
von: Jonnarth, Arvi, et al.
Veröffentlicht: (2023)

Comparative Field Deployment of Reinforcement Learning and Model Predictive Control for Residential HVAC
von: Mulayim, Ozan Baris, et al.
Veröffentlicht: (2025)

MPC-Inspired Reinforcement Learning for Verifiable Model-Free Control
von: Lu, Yiwen, et al.
Veröffentlicht: (2023)

Adaptive Testing Environment Generation for Connected and Automated Vehicles with Dense Reinforcement Learning
von: Yang, Jingxuan, et al.
Veröffentlicht: (2024)

BEAVER: Building Environments with Assessable Variation for Evaluating Multi-Objective Reinforcement Learning
von: Liu, Ruohong, et al.
Veröffentlicht: (2025)

Nuclear Microreactor Control with Deep Reinforcement Learning
von: Tunkle, Leo, et al.
Veröffentlicht: (2025)

A Deep Q-Learning based Smart Scheduling of EVs for Demand Response in Smart Grids
von: Chifu, Viorica Rozina, et al.
Veröffentlicht: (2024)

Neural Operators for Predictor Feedback Control of Nonlinear Delay Systems
von: Bhan, Luke, et al.
Veröffentlicht: (2024)

A Pontryagin Method of Model-based Reinforcement Learning via Hamiltonian Actor-Critic
von: Gu, Chengyang, et al.
Veröffentlicht: (2026)

Flying Quadrotors in Tight Formations using Learning-based Model Predictive Control
von: Chee, Kong Yao, et al.
Veröffentlicht: (2024)

Model-Based Reinforcement Learning Control of Reaction-Diffusion Problems
von: Schenk, Christina, et al.
Veröffentlicht: (2024)

Robust Model Based Reinforcement Learning Using $\mathcal{L}_1$ Adaptive Control
von: Sung, Minjun, et al.
Veröffentlicht: (2024)

A Safe Reinforcement Learning Algorithm for Supervisory Control of Power Plants
von: Sun, Yixuan, et al.
Veröffentlicht: (2024)

Decomposing Control Lyapunov Functions for Efficient Reinforcement Learning
von: Lopez, Antonio, et al.
Veröffentlicht: (2024)

HyperController: A Hyperparameter Controller for Fast and Stable Training of Reinforcement Learning Neural Networks
von: Gornet, Jonathan, et al.
Veröffentlicht: (2025)

Distributed Online Submodular Maximization under Communication Delays: A Simultaneous Decision-Making Approach
von: Xu, Zirui, et al.
Veröffentlicht: (2026)

Stochastic Approximation with Delayed Updates: Finite-Time Rates under Markovian Sampling
von: Adibi, Arman, et al.
Veröffentlicht: (2024)

Convex Chance-Constrained Stochastic Control under Uncertain Specifications with Application to Learning-Based Hybrid Powertrain Control
von: Kato, Teruki, et al.
Veröffentlicht: (2026)

A Fairness-Oriented Reinforcement Learning Approach for the Operation and Control of Shared Micromobility Services
von: Cederle, Matteo, et al.
Veröffentlicht: (2024)

A Domain-Knowledge-Aided Deep Reinforcement Learning Approach for Flight Control Design
von: Shin, Hyo-Sang, et al.
Veröffentlicht: (2019)