Buchumschlag

B3C: A Minimalist Approach to Offline Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kim, Woojun, Sycara, Katia
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Adaptive $Q$-Aid for Conditional Supervised Learning in Offline Reinforcement Learning
von: Kim, Jeonghye, et al.
Veröffentlicht: (2024)

SCALAR: Learning and Composing Skills through LLM Guided Symbolic Planning and Deep RL Grounding
von: Zabounidis, Renos, et al.
Veröffentlicht: (2026)

Fair Cooperation in Mixed-Motive Games via Conflict-Aware Gradient Adjustment
von: Kim, Woojun, et al.
Veröffentlicht: (2025)

Overcoming Valid Action Suppression in Unmasked Policy Gradient Algorithms
von: Zabounidis, Renos, et al.
Veröffentlicht: (2026)

LESSON: Learning to Integrate Exploration Strategies for Reinforcement Learning via an Option Framework
von: Kim, Woojun, et al.
Veröffentlicht: (2023)

Diffusion-based Episodes Augmentation for Offline Multi-Agent Reinforcement Learning
von: Oh, Jihwan, et al.
Veröffentlicht: (2024)

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

Adaptively Coordinating with Novel Partners via Learned Latent Strategies
von: Li, Benjamin, et al.
Veröffentlicht: (2025)

Scalable Multi-Agent Offline Reinforcement Learning and the Role of Information
von: Zamboni, Riccardo, et al.
Veröffentlicht: (2025)

A Non-Monolithic Policy Approach of Offline-to-Online Reinforcement Learning
von: Kim, JaeYoon, et al.
Veröffentlicht: (2024)

Value-Guidance MeanFlow for Offline Multi-Agent Reinforcement Learning
von: Pang, Teng, et al.
Veröffentlicht: (2026)

Conservative and Risk-Aware Offline Multi-Agent Reinforcement Learning
von: Eldeeb, Eslam, et al.
Veröffentlicht: (2024)

Compositional Conservatism: A Transductive Approach in Offline Reinforcement Learning
von: Song, Yeda, et al.
Veröffentlicht: (2024)

CODA: Coordination via On-Policy Diffusion for Multi-Agent Offline Reinforcement Learning
von: Hedman, Marcel, et al.
Veröffentlicht: (2026)

An Offline Multi-Agent Reinforcement Learning Framework for Radio Resource Management
von: Eldeeb, Eslam, et al.
Veröffentlicht: (2025)

Selective Reincarnation: Offline-to-Online Multi-Agent Reinforcement Learning
von: Formanek, Claude, et al.
Veröffentlicht: (2023)

Putting Data at the Centre of Offline Multi-Agent Reinforcement Learning
von: Formanek, Claude, et al.
Veröffentlicht: (2024)

OffRIPP: Offline RL-based Informative Path Planning
von: Gadipudi, Srikar Babu, et al.
Veröffentlicht: (2024)

Offline Multi-Agent Reinforcement Learning via In-Sample Sequential Policy Optimization
von: Liu, Zongkai, et al.
Veröffentlicht: (2024)

A Minimalist Approach to LLM Reasoning: from Rejection Sampling to Reinforce
von: Xiong, Wei, et al.
Veröffentlicht: (2025)

FairDICE: Fairness-Driven Offline Multi-Objective Reinforcement Learning
von: Kim, Woosung, et al.
Veröffentlicht: (2025)

CBGT-Net: A Neuromimetic Architecture for Robust Classification of Streaming Data
von: Sharma, Shreya, et al.
Veröffentlicht: (2024)

Self-Confirming Transformer for Belief-Conditioned Adaptation in Offline Multi-Agent Reinforcement Learning
von: Li, Tao, et al.
Veröffentlicht: (2023)

Compositional Transduction with Latent Analogies for Offline Goal-Conditioned Reinforcement Learning
von: Kim, Junseok, et al.
Veröffentlicht: (2026)

Online Pre-Training for Offline-to-Online Reinforcement Learning
von: Shin, Yongjae, et al.
Veröffentlicht: (2025)

Semi-gradient DICE for Offline Constrained Reinforcement Learning
von: Kim, Woosung, et al.
Veröffentlicht: (2025)

Learning on One Mode: Addressing Multi-modality in Offline Reinforcement Learning
von: Wang, Mianchu, et al.
Veröffentlicht: (2024)

Benchmarking Offline Multi-Objective Reinforcement Learning in Critical Care
von: Bansal, Aryaman, et al.
Veröffentlicht: (2025)

MAGE: Multi-scale Autoregressive Generation for Offline Reinforcement Learning
von: Lin, Chenxing, et al.
Veröffentlicht: (2026)

A Model-Based Solution to the Offline Multi-Agent Reinforcement Learning Coordination Problem
von: Barde, Paul, et al.
Veröffentlicht: (2023)

Segment-driven Structural Induction and Semantic Alignment for Heterogeneous Tabular Representation
von: Jung, Woojun, et al.
Veröffentlicht: (2026)

Decision ConvFormer: Local Filtering in MetaFormer is Sufficient for Decision Making
von: Kim, Jeonghye, et al.
Veröffentlicht: (2023)

Taming OOD Actions for Offline Reinforcement Learning: An Advantage-Based Approach
von: Chen, Xuyang, et al.
Veröffentlicht: (2025)

Latent Safety-Constrained Policy Approach for Safe Offline Reinforcement Learning
von: Koirala, Prajwal, et al.
Veröffentlicht: (2024)

Latent Representation Alignment for Offline Goal-Conditioned Reinforcement Learning
von: Kang, Hyungkyu, et al.
Veröffentlicht: (2026)

Diminishing Exploration: A Minimalist Approach to Piecewise Stationary Multi-Armed Bandits
von: Li, Kuan-Ta, et al.
Veröffentlicht: (2024)

ComaDICE: Offline Cooperative Multi-Agent Reinforcement Learning with Stationary Distribution Shift Regularization
von: Bui, The Viet, et al.
Veröffentlicht: (2024)

Peng's Q($λ$) for Conservative Value Estimation in Offline Reinforcement Learning
von: Kim, Byeongchan, et al.
Veröffentlicht: (2026)

VLGOR: Visual-Language Knowledge Guided Offline Reinforcement Learning for Generalizable Agents
von: Liu, Pengsen, et al.
Veröffentlicht: (2026)

Offline Trajectory Optimization for Offline Reinforcement Learning
von: Zhao, Ziqi, et al.
Veröffentlicht: (2024)