Buchumschlag

Mitigating Partial Observability in Sequential Decision Processes via the Lambda Discrepancy

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Allen, Cameron, Kirtland, Aaron, Tao, Ruo Yu, Lobel, Sam, Scott, Daniel, Petrocelli, Nicholas, Gottesman, Omer, Parr, Ronald, Littman, Michael L., Konidaris, George
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

Benchmarking Partial Observability in Reinforcement Learning with a Suite of Memory-Improvable Domains
von: Tao, Ruo Yu, et al.
Veröffentlicht: (2025)

An Optimal Tightness Bound for the Simulation Lemma
von: Lobel, Sam, et al.
Veröffentlicht: (2024)

Learning Markov State Abstractions for Deep Reinforcement Learning
von: Allen, Cameron, et al.
Veröffentlicht: (2021)

Geometry of Neural Reinforcement Learning in Continuous State and Action Spaces
von: Tiwari, Saket, et al.
Veröffentlicht: (2025)

On the Geometry of Reinforcement Learning in Continuous State and Action Spaces
von: Tiwari, Saket, et al.
Veröffentlicht: (2022)

Knowledge Retention for Continual Model-Based Reinforcement Learning
von: Sun, Yixiang, et al.
Veröffentlicht: (2025)

From Pixels to Factors: Learning Independently Controllable State Variables for Reinforcement Learning
von: Rodriguez-Sanchez, Rafael, et al.
Veröffentlicht: (2025)

Recursively-Constrained Partially Observable Markov Decision Processes
von: Ho, Qi Heng, et al.
Veröffentlicht: (2023)

Mitigating Partial Observability in Adaptive Traffic Signal Control with Transformers
von: Wang, Xiaoyu, et al.
Veröffentlicht: (2024)

Motion Planning for Autonomous Vehicles in Partially Observable Environments
von: Taş, Ömer Şahin
Veröffentlicht: (2023)

Generating Local Shields for Decentralised Partially Observable Markov Decision Processes
von: Yang, Haoran, et al.
Veröffentlicht: (2026)

Decision-Focused Model-based Reinforcement Learning for Reward Transfer
von: Sharma, Abhishek, et al.
Veröffentlicht: (2023)

Deep Hierarchical Reinforcement Learning Algorithm in Partially Observable Markov Decision Processes
von: Tuyen, Le Pham, et al.
Veröffentlicht: (2018)

Bi-directional Recurrence Improves Transformer in Partially Observable Markov Decision Processes
von: Arora, Ashok, et al.
Veröffentlicht: (2025)

Dynamic Deep-Reinforcement-Learning Algorithm in Partially Observable Markov Decision Processes
von: Omi, Saki, et al.
Veröffentlicht: (2023)

Adversarial Decision-Making in Partially Observable Multi-Agent Systems: A Sequential Hypothesis Testing Approach
von: Zhou, Haosheng, et al.
Veröffentlicht: (2025)

Partial Syndrome Measurement for Hypergraph Product Codes
von: Berthusen, Noah, et al.
Veröffentlicht: (2023)

Finite Memory Belief Approximation for Optimal Control in Partially Observable Markov Decision Processes
von: Kim, Mintae
Veröffentlicht: (2026)

Inferring Reward Machines and Transition Machines from Partially Observable Markov Decision Processes
von: Wu, Yuly, et al.
Veröffentlicht: (2025)

Observation Adaptation via Annealed Importance Resampling for Partially Observable Markov Decision Processes
von: Zhang, Yunuo, et al.
Veröffentlicht: (2025)

A Model-free Biomimetics Algorithm for Deterministic Partially Observable Markov Decision Process
von: Yu, Yide, et al.
Veröffentlicht: (2024)

Optimal Control of Logically Constrained Partially Observable and Multi-Agent Markov Decision Processes
von: Kalagarla, Krishna C., et al.
Veröffentlicht: (2023)

Ehud Krinis, Judah Halevi’s Fideistic Scepticism in the Kuzari. Studies and Texts in Scepticism 11. Berlin: De Gruyter, 2020. VII, 117 Seiten, EUR 81.95, ISBN 978-3-11-066101-9, Open Access: https://doi.org/10.1515/9783110664744
von: Diana Lobel
Veröffentlicht: (2022)

Approximate Next Policy Sampling: Replacing Conservative Target Policy Updates in Deep RL
von: Sandhu, Dillon, et al.
Veröffentlicht: (2026)

Robust Decision Making with Partially Calibrated Forecasts
von: Kiyani, Shayan, et al.
Veröffentlicht: (2025)

Intermittently Observable Markov Decision Processes
von: Chen, Gongpu, et al.
Veröffentlicht: (2023)

The Partially Observable Off-Switch Game
von: Garber, Andrew, et al.
Veröffentlicht: (2024)

Observation Interference in Partially Observable Assistance Games
von: Emmons, Scott, et al.
Veröffentlicht: (2024)

Information Seeking for Robust Decision Making under Partial Observability
von: Fang, Djengo Cyun-Jyun, et al.
Veröffentlicht: (2025)

Pessimism in the Face of Confounders: Provably Efficient Offline Reinforcement Learning in Partially Observable Markov Decision Processes
von: Lu, Miao, et al.
Veröffentlicht: (2022)

Challenges to the Lambda CDM Cosmology
von: Efstathiou, George
Veröffentlicht: (2024)

Zero-Shot Reinforcement Learning Under Partial Observability
von: Jeen, Scott, et al.
Veröffentlicht: (2025)

Learning Abstract World Model for Value-preserving Planning with Options
von: Rodriguez-Sanchez, Rafael, et al.
Veröffentlicht: (2024)

On the Role of Information Structure in Reinforcement Learning for Partially-Observable Sequential Teams and Games
von: Altabaa, Awni, et al.
Veröffentlicht: (2024)

Global Non-Integrability of Entropic Orientation and Lambda-Driven Obstructions
von: Brogan-Higgins, Cameron William
Veröffentlicht: (2026)

Partially Observable Markov Decision Process Framework for Operating Condition Optimization Using Real-Time Degradation Signals
von: Xu, Boyang, et al.
Veröffentlicht: (2025)

Sequential Kernelized Stein Discrepancy
von: Martinez-Taboada, Diego, et al.
Veröffentlicht: (2024)

Decision Transformer as a Foundation Model for Partially Observable Continuous Control
von: Zhang, Xiangyuan, et al.
Veröffentlicht: (2024)

Feature-Based Belief Aggregation for Partially Observable Markov Decision Problems
von: Li, Yuchao, et al.
Veröffentlicht: (2025)

Creative Robot Tool Use by Counterfactual Reasoning
von: Akbulut, M. Tuluhan, et al.
Veröffentlicht: (2026)