Buchumschlag

SPRINQL: Sub-optimal Demonstrations driven Offline Imitation Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hoang, Huy, Mai, Tien, Varakantham, Pradeep
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning What to Do and What Not To Do: Offline Imitation from Expert and Undesirable Demonstrations
von: Hoang, Huy, et al.
Veröffentlicht: (2025)

UNIQ: Offline Inverse Q-learning for Avoiding Undesirable Demonstrations
von: Hoang, Huy, et al.
Veröffentlicht: (2024)

Imitate the Good and Avoid the Bad: An Incremental Approach to Safe Reinforcement Learning
von: Hoang, Huy, et al.
Veröffentlicht: (2023)

Offline Safe Reinforcement Learning Using Trajectory Classification
von: Gong, Ze, et al.
Veröffentlicht: (2024)

Imitating Cost-Constrained Behaviors in Reinforcement Learning
von: Shao, Qian, et al.
Veröffentlicht: (2024)

On Learning Informative Trajectory Embeddings for Imitation, Classification and Regression
von: Ge, Zichang, et al.
Veröffentlicht: (2025)

Solving Richly Constrained Reinforcement Learning through State Augmentation and Reward Penalties
von: Jiang, Hao, et al.
Veröffentlicht: (2023)

How to Leverage Diverse Demonstrations in Offline Imitation Learning
von: Yue, Sheng, et al.
Veröffentlicht: (2024)

Enhancing the Hierarchical Environment Design via Generative Trajectory Modeling
von: Li, Dexun, et al.
Veröffentlicht: (2023)

MisoDICE: Multi-Agent Imitation from Unlabeled Mixed-Quality Demonstrations
von: Bui, The Viet, et al.
Veröffentlicht: (2025)

Handling Long and Richly Constrained Tasks through Constrained Hierarchical Reinforcement Learning
von: Lu, Yuxiao, et al.
Veröffentlicht: (2023)

On Minimizing Adversarial Counterfactual Error in Adversarial RL
von: Belaire, Roman, et al.
Veröffentlicht: (2024)

Automatic LLM Red Teaming
von: Belaire, Roman, et al.
Veröffentlicht: (2025)

Regret-Based Defense in Adversarial Reinforcement Learning
von: Belaire, Roman, et al.
Veröffentlicht: (2023)

DITTO: Offline Imitation Learning with World Models
von: DeMoss, Branton, et al.
Veröffentlicht: (2023)

Offline Imitation Learning with Model-based Reverse Augmentation
von: Shao, Jie-Jing, et al.
Veröffentlicht: (2024)

OLLIE: Imitation Learning from Offline Pretraining to Online Finetuning
von: Yue, Sheng, et al.
Veröffentlicht: (2024)

Balance Equation-based Distributionally Robust Offline Imitation Learning
von: Agrawal, Rishabh, et al.
Veröffentlicht: (2025)

Offline Imitation Learning Through Graph Search and Retrieval
von: Yin, Zhao-Heng, et al.
Veröffentlicht: (2024)

SEABO: A Simple Search-Based Method for Offline Imitation Learning
von: Lyu, Jiafei, et al.
Veröffentlicht: (2024)

Align Your Intents: Offline Imitation Learning via Optimal Transport
von: Bobrin, Maksim, et al.
Veröffentlicht: (2024)

On Discovering Algorithms for Adversarial Imitation Learning
von: Chirra, Shashank Reddy, et al.
Veröffentlicht: (2025)

Imitation Learning from Suboptimal Demonstrations via Meta-Learning An Action Ranker
von: Fan, Jiangdong, et al.
Veröffentlicht: (2024)

LMAct: A Benchmark for In-Context Imitation Learning with Long Multimodal Demonstrations
von: Ruoss, Anian, et al.
Veröffentlicht: (2024)

Offline Safe Policy Optimization From Heterogeneous Feedback
von: Gong, Ze, et al.
Veröffentlicht: (2025)

IRL for Restless Multi-Armed Bandits with Applications in Maternal and Child Health
von: Jain, Gauri, et al.
Veröffentlicht: (2024)

Markov Balance Satisfaction Improves Performance in Strictly Batch Offline Imitation Learning
von: Agrawal, Rishabh, et al.
Veröffentlicht: (2024)

Beyond-Expert Performance with Limited Demonstrations: Efficient Imitation Learning with Double Exploration
von: Zhao, Heyang, et al.
Veröffentlicht: (2025)

A Dual Approach to Imitation Learning from Observations with Offline Datasets
von: Sikchi, Harshit, et al.
Veröffentlicht: (2024)

Offline Diversity Maximization Under Imitation Constraints
von: Vlastelica, Marin, et al.
Veröffentlicht: (2023)

PROF: An LLM-based Reward Code Preference Optimization Framework for Offline Imitation Learning
von: Sun, Shengjie, et al.
Veröffentlicht: (2025)

SafeMIL: Learning Offline Safe Imitation Policy from Non-Preferred Trajectories
von: Burnwal, Returaj, et al.
Veröffentlicht: (2025)

Learning Surrogates for Offline Black-Box Optimization via Gradient Matching
von: Hoang, Minh, et al.
Veröffentlicht: (2025)

Using Non-Expert Data to Robustify Imitation Learning via Offline Reinforcement Learning
von: Huang, Kevin, et al.
Veröffentlicht: (2025)

OSIL: Learning Offline Safe Imitation Policies with Safety Inferred from Non-preferred Trajectories
von: Burnwal, Returaj, et al.
Veröffentlicht: (2026)

Hierarchical Imitation Learning of Team Behavior from Heterogeneous Demonstrations
von: Seo, Sangwon, et al.
Veröffentlicht: (2025)

Offline-to-online Reinforcement Learning for Image-based Grasping with Scarce Demonstrations
von: Chan, Bryan, et al.
Veröffentlicht: (2024)

A Unified Linear Programming Framework for Offline Reward Learning from Human Demonstrations and Feedback
von: Kim, Kihyun, et al.
Veröffentlicht: (2024)

Momentum Contrastive Learning with Enhanced Negative Sampling and Hard Negative Filtering
von: Hoang, Duy, et al.
Veröffentlicht: (2025)

Offline Imitation of Badminton Player Behavior via Experiential Contexts and Brownian Motion
von: Wang, Kuang-Da, et al.
Veröffentlicht: (2024)