Buchumschlag

Exploration in Knowledge Transfer Utilizing Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jedlička, Adam, Guy, Tatiana Valentine
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

Knowledge Transfer in Deep Reinforcement Learning via an RL-Specific GAN-Based Correspondence Function
von: Ruman, Marko, et al.
Veröffentlicht: (2022)

Is Exploration All You Need? Effective Exploration Characteristics for Transfer in Reinforcement Learning
von: Balloch, Jonathan C., et al.
Veröffentlicht: (2024)

Robust Knowledge Transfer in Tiered Reinforcement Learning
von: Huang, Jiawei, et al.
Veröffentlicht: (2023)

Multi-granularity Knowledge Transfer for Continual Reinforcement Learning
von: Pan, Chaofan, et al.
Veröffentlicht: (2024)

WST: Weak-to-Strong Knowledge Transfer via Reinforcement Learning
von: Ge, Haosen, et al.
Veröffentlicht: (2025)

Contextual Pre-planning on Reward Machine Abstractions for Enhanced Transfer in Deep Reinforcement Learning
von: Azran, Guy, et al.
Veröffentlicht: (2023)

Centralized Reward Agent for Knowledge Sharing and Transfer in Multi-Task Reinforcement Learning
von: Ma, Haozhe, et al.
Veröffentlicht: (2024)

In-context Exploration-Exploitation for Reinforcement Learning
von: Dai, Zhenwen, et al.
Veröffentlicht: (2024)

Satisficing Exploration for Deep Reinforcement Learning
von: Arumugam, Dilip, et al.
Veröffentlicht: (2024)

Reinforcement Learning by Guided Safe Exploration
von: Yang, Qisong, et al.
Veröffentlicht: (2023)

Representation-Driven Reinforcement Learning
von: Nabati, Ofir, et al.
Veröffentlicht: (2023)

Knowledge Transfer for Cross-Domain Reinforcement Learning: A Systematic Review
von: Serrano, Sergio A., et al.
Veröffentlicht: (2024)

Variable-Agnostic Causal Exploration for Reinforcement Learning
von: Nguyen, Minh Hoang, et al.
Veröffentlicht: (2024)

Neighboring State-based Exploration for Reinforcement Learning
von: Li, Yu-Teng, et al.
Veröffentlicht: (2022)

Is Exploration or Optimization the Problem for Deep Reinforcement Learning?
von: Berseth, Glen
Veröffentlicht: (2025)

Enhance Exploration in Safe Reinforcement Learning with Contrastive Representation Learning
von: Doan, Duc Kien, et al.
Veröffentlicht: (2025)

Provably Efficient Exploration in Inverse Constrained Reinforcement Learning
von: Yue, Bo, et al.
Veröffentlicht: (2024)

Offline Model-Based Reinforcement Learning with Anti-Exploration
von: Srinivasan, Padmanaba, et al.
Veröffentlicht: (2024)

A Temporally Correlated Latent Exploration for Reinforcement Learning
von: Oh, SuMin, et al.
Veröffentlicht: (2024)

Adventurer: Exploration with BiGAN for Deep Reinforcement Learning
von: Liu, Yongshuai, et al.
Veröffentlicht: (2025)

Guardian: Decoupling Exploration from Safety in Reinforcement Learning
von: Cai, Kaitong, et al.
Veröffentlicht: (2025)

Optimistic Exploration for Risk-Averse Constrained Reinforcement Learning
von: McCarthy, James, et al.
Veröffentlicht: (2025)

Energy-Based Transfer for Reinforcement Learning
von: Deng, Zeyun, et al.
Veröffentlicht: (2025)

Explore-Go: Leveraging Exploration for Generalisation in Deep Reinforcement Learning
von: Weltevrede, Max, et al.
Veröffentlicht: (2024)

Value Bonuses using Ensemble Errors for Exploration in Reinforcement Learning
von: Wahab, Abdul, et al.
Veröffentlicht: (2026)

Guiding Exploration in Reinforcement Learning Through LLM-Augmented Observations
von: Jain, Vaibhav, et al.
Veröffentlicht: (2025)

Emergence of Exploration in Policy Gradient Reinforcement Learning via Retrying
von: Nishimori, Soichiro, et al.
Veröffentlicht: (2026)

Accelerating Reinforcement Learning with Value-Conditional State Entropy Exploration
von: Kim, Dongyoung, et al.
Veröffentlicht: (2023)

Efficient Reinforcement Learning for Large Language Models with Intrinsic Exploration
von: Sun, Yan, et al.
Veröffentlicht: (2025)

Regret Bounds and Reinforcement Learning Exploration of EXP-based Algorithms
von: Xu, Mengfan, et al.
Veröffentlicht: (2020)

Generalized Adaptive Transfer Network: Enhancing Transfer Learning in Reinforcement Learning Across Domains
von: Verma, Abhishek, et al.
Veröffentlicht: (2025)

More Efficient Randomized Exploration for Reinforcement Learning via Approximate Sampling
von: Ishfaq, Haque, et al.
Veröffentlicht: (2024)

Hypothesis Network Planned Exploration for Rapid Meta-Reinforcement Learning Adaptation
von: Jacobson, Maxwell Joseph, et al.
Veröffentlicht: (2023)

OPRIDE: Offline Preference-based Reinforcement Learning via In-Dataset Exploration
von: Yang, Yiqin, et al.
Veröffentlicht: (2026)

Guided Exploration in Reinforcement Learning via Monte Carlo Critic Optimization
von: Kuznetsov, Igor
Veröffentlicht: (2022)

Entropy-Aware Model Initialization for Effective Exploration in Deep Reinforcement Learning
von: Jang, Sooyoung, et al.
Veröffentlicht: (2021)

Efficient On-Policy Reinforcement Learning via Exploration of Sparse Parameter Space
von: Zhang, Xinyu, et al.
Veröffentlicht: (2025)

Adaptive Target Localization under Uncertainty using Multi-Agent Deep Reinforcement Learning with Knowledge Transfer
von: Alagha, Ahmed, et al.
Veröffentlicht: (2025)

A Method for Fast Autonomy Transfer in Reinforcement Learning
von: Sahabandu, Dinuka, et al.
Veröffentlicht: (2024)

Heterogeneous Knowledge for Augmented Modular Reinforcement Learning
von: Wolf, Lorenz, et al.
Veröffentlicht: (2023)