Buchumschlag

Continual Deep Reinforcement Learning with Task-Agnostic Policy Distillation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hafez, Muhammad Burhan, Erekmen, Kerim
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

QT-TDM: Planning With Transformer Dynamics Model and Autoregressive Q-Learning
von: Kotb, Mostafa, et al.
Veröffentlicht: (2024)

Mutual Information Tracks Policy Coherence in Reinforcement Learning
von: Reid, Cameron, et al.
Veröffentlicht: (2025)

Continual Policy Distillation from Distributed Reinforcement Learning Teachers
von: Li, Yuxuan, et al.
Veröffentlicht: (2026)

Learning Task-Agnostic Representations through Multi-Teacher Distillation
von: Formont, Philippe, et al.
Veröffentlicht: (2025)

Task-Agnostic Experts Composition for Continual Learning
von: Quarantiello, Luigi, et al.
Veröffentlicht: (2025)

TAME: Task Agnostic Continual Learning using Multiple Experts
von: Zhu, Haoran, et al.
Veröffentlicht: (2022)

Task-Agnostic Contrastive Pretraining for Relational Deep Learning
von: Peleška, Jakub, et al.
Veröffentlicht: (2025)

Split-on-Share: Mixture of Sparse Experts for Task-Agnostic Continual Learning
von: Siddika, Fatema, et al.
Veröffentlicht: (2026)

Weight-Inherited Distillation for Task-Agnostic BERT Compression
von: Wu, Taiqiang, et al.
Veröffentlicht: (2023)

Overcoming Growth-Induced Forgetting in Task-Agnostic Continual Learning
von: Zhao, Yuqing, et al.
Veröffentlicht: (2024)

Task-Agnostic Federated Continual Learning via Replay-Free Gradient Projection
von: Cha, Seohyeon, et al.
Veröffentlicht: (2025)

Model-Agnostic Solutions for Deep Reinforcement Learning in Non-Ergodic Contexts
von: Verbruggen, Bert, et al.
Veröffentlicht: (2026)

Learning Task-Agnostic Motifs to Capture the Continuous Nature of Animal Behavior
von: Wang, Jiyi, et al.
Veröffentlicht: (2025)

An Explainable Deep Reinforcement Learning Model for Warfarin Maintenance Dosing Using Policy Distillation and Action Forging
von: Zadeh, Sadjad Anzabi, et al.
Veröffentlicht: (2024)

Continual Policy Distillation of Reinforcement Learning-based Controllers for Soft Robotic In-Hand Manipulation
von: Li, Lanpei, et al.
Veröffentlicht: (2024)

Practical Policy Distillation for Reinforcement Learning in Radio Access Networks
von: Khosravi, Sara, et al.
Veröffentlicht: (2025)

Reinforcement Learning via Auxiliary Task Distillation
von: Harish, Abhinav Narayan, et al.
Veröffentlicht: (2024)

Solving Deep Reinforcement Learning Tasks with Evolution Strategies and Linear Policy Networks
von: Wong, Annie, et al.
Veröffentlicht: (2024)

Constrained Meta Agnostic Reinforcement Learning
von: Daaboul, Karam, et al.
Veröffentlicht: (2024)

"So, Tell Me About Your Policy...": Distillation of interpretable policies from Deep Reinforcement Learning agents
von: Dispoto, Giovanni, et al.
Veröffentlicht: (2025)

GRID: Scalable Task-Agnostic Prompt-Based Continual Learning for Language Models
von: Tiwari, Anushka, et al.
Veröffentlicht: (2025)

SLE-FNO: Single-Layer Extensions for Task-Agnostic Continual Learning in Fourier Neural Operators
von: Elhadidy, Mahmoud, et al.
Veröffentlicht: (2026)

TACOS: Task Agnostic Continual Learning in Spiking Neural Networks
von: Soures, Nicholas, et al.
Veröffentlicht: (2024)

Internalize the Temperature: On-Policy Self-Distillation as Policy Reheater for Reinforcement Learning
von: Yang, Xuewei, et al.
Veröffentlicht: (2026)

The Informational Cost of Agency: A Bounded Measure of Interaction Efficiency for Deployed Reinforcement Learning
von: Hafez, Wael, et al.
Veröffentlicht: (2026)

Evaluating Interpretable Reinforcement Learning by Distilling Policies into Programs
von: Kohler, Hector, et al.
Veröffentlicht: (2025)

LLMLingua-2: Data Distillation for Efficient and Faithful Task-Agnostic Prompt Compression
von: Pan, Zhuoshi, et al.
Veröffentlicht: (2024)

Task-Agnostic Machine-Learning-Assisted Inference
von: Miao, Jiacheng, et al.
Veröffentlicht: (2024)

Continual Learning at the Edge: An Agnostic IIoT Architecture
von: García-Santaclara, Pablo, et al.
Veröffentlicht: (2025)

Hierarchical Subspaces of Policies for Continual Offline Reinforcement Learning
von: Kobanda, Anthony, et al.
Veröffentlicht: (2024)

Self-Composing Policies for Scalable Continual Reinforcement Learning
von: Malagón, Mikel, et al.
Veröffentlicht: (2025)

How Ensembles of Distilled Policies Improve Generalisation in Reinforcement Learning
von: Weltevrede, Max, et al.
Veröffentlicht: (2025)

Sharing Knowledge in Multi-Task Deep Reinforcement Learning
von: D'Eramo, Carlo, et al.
Veröffentlicht: (2024)

Shielded Deep Reinforcement Learning for Complex Spacecraft Tasking
von: Reed, Robert, et al.
Veröffentlicht: (2024)

Agnostic Reinforcement Learning: Foundations and Algorithms
von: Li, Gene
Veröffentlicht: (2025)

Efficient Multi-Task Reinforcement Learning with Cross-Task Policy Guidance
von: He, Jinmin, et al.
Veröffentlicht: (2025)

PolicyFlow: Policy Optimization with Continuous Normalizing Flow in Reinforcement Learning
von: Yang, Shunpeng, et al.
Veröffentlicht: (2026)

A Continual Offline Reinforcement Learning Benchmark for Navigation Tasks
von: Kobanda, Anthony, et al.
Veröffentlicht: (2025)

RLDG: Robotic Generalist Policy Distillation via Reinforcement Learning
von: Xu, Charles, et al.
Veröffentlicht: (2024)

CUER: Corrected Uniform Experience Replay for Off-Policy Continuous Deep Reinforcement Learning Algorithms
von: Yenicesu, Arda Sarp, et al.
Veröffentlicht: (2024)