Buchumschlag

Discrete Codebook World Models for Continuous Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Scannell, Aidan, Nakhaei, Mohammadreza, Kujanpää, Kalle, Zhao, Yi, Luck, Kevin Sebastian, Solin, Arno, Pajarinen, Joni
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

iQRL -- Implicitly Quantized Representations for Sample-efficient Reinforcement Learning
von: Scannell, Aidan, et al.
Veröffentlicht: (2024)

Entropy Regularized Task Representation Learning for Offline Meta-Reinforcement Learning
von: Nakhaei, Mohammadreza, et al.
Veröffentlicht: (2024)

Residual Learning and Context Encoding for Adaptive Offline-to-Online Reinforcement Learning
von: Nakhaei, Mohammadreza, et al.
Veröffentlicht: (2024)

Contextual Latent World Models for Offline Meta Reinforcement Learning
von: Nakheai, Mohammadreza, et al.
Veröffentlicht: (2026)

Function-space Parameterization of Neural Networks for Sequential Learning
von: Scannell, Aidan, et al.
Veröffentlicht: (2024)

Efficient Reinforcement Learning by Guiding Generalist World Models with Non-Curated Data
von: Zhao, Yi, et al.
Veröffentlicht: (2025)

Continuous Monte Carlo Graph Search
von: Kujanpää, Kalle, et al.
Veröffentlicht: (2022)

Sparsely Supervised Diffusion
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2026)

Improving Discrete Diffusion Models via Structured Preferential Generation
von: Rissanen, Severi, et al.
Veröffentlicht: (2024)

Grouped Discrete Representation for Object-Centric Learning
von: Zhao, Rongzhen, et al.
Veröffentlicht: (2024)

Learning to Approximate Particle Smoothing Trajectories via Diffusion Generative Models
von: Tamir, Ella, et al.
Veröffentlicht: (2024)

Reachability Weighted Offline Goal-conditioned Resampling
von: Yang, Wenyan, et al.
Veröffentlicht: (2025)

Free Hunch: Denoiser Covariance Estimation for Diffusion Models Without Extra Costs
von: Rissanen, Severi, et al.
Veröffentlicht: (2024)

Learning Progress Driven Multi-Agent Curriculum
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2022)

Learning to Staff: Offline Reinforcement Learning and Fine-Tuned LLMs for Warehouse Staffing Optimization
von: Kujanpää, Kalle, et al.
Veröffentlicht: (2026)

Optimistic Multi-Agent Policy Gradient
von: Zhao, Wenshuai, et al.
Veröffentlicht: (2023)

Efficient Knowledge Injection in LLMs via Self-Distillation
von: Kujanpää, Kalle, et al.
Veröffentlicht: (2024)

Discrete Contrastive Learning for Diffusion Policies in Autonomous Driving
von: Kujanpää, Kalle, et al.
Veröffentlicht: (2025)

Hierarchical Reinforcement Learning with Uncertainty-Guided Diffusional Subgoals
von: Wang, Vivienne Huiling, et al.
Veröffentlicht: (2025)

Learning Multi-Timescale Abstractions for Hierarchical Combinatorial Planning
von: Wang, Vivienne Huiling, et al.
Veröffentlicht: (2026)

Approximate Bayesian Inference via Bitstring Representations
von: Sladek, Aleksanteri, et al.
Veröffentlicht: (2025)

Heterophily-informed Message Passing
von: Wang, Haishan, et al.
Veröffentlicht: (2025)

Physics-Informed Variational State-Space Gaussian Processes
von: Hamelijnck, Oliver, et al.
Veröffentlicht: (2024)

Variational Gaussian Process Diffusion Processes
von: Verma, Prakhar, et al.
Veröffentlicht: (2023)

Generative World Modelling for Humanoids: 1X World Model Challenge Technical Report
von: Mereu, Riccardo, et al.
Veröffentlicht: (2025)

DiVeQ: Differentiable Vector Quantization Using the Reparameterization Trick
von: Vali, Mohammad Hassan, et al.
Veröffentlicht: (2025)

MetaSlot: Break Through the Fixed Number of Slots in Object-Centric Learning
von: Liu, Hongjia, et al.
Veröffentlicht: (2025)

RGB-Th-Bench: A Dense benchmark for Visual-Thermal Understanding of Vision Language Models
von: Moshtaghi, Mehdi, et al.
Veröffentlicht: (2025)

Controllable Generative Trajectory Prediction via Weak Preference Alignment
von: Cao, Yongxi, et al.
Veröffentlicht: (2025)

On the Benefit of Optimal Transport for Curriculum Reinforcement Learning
von: Klink, Pascal, et al.
Veröffentlicht: (2023)

Exploiting Hankel-Toeplitz Structures for Fast Computation of Kernel Precision Matrices
von: Viset, Frida, et al.
Veröffentlicht: (2024)

Streamlining Prediction in Bayesian Deep Learning
von: Li, Rui, et al.
Veröffentlicht: (2024)

Non-separable Spatio-temporal Graph Kernels via SPDEs
von: Nikitin, Alexander, et al.
Veröffentlicht: (2021)

Probabilistic Subgoal Representations for Hierarchical Reinforcement learning
von: Wang, Vivienne Huiling, et al.
Veröffentlicht: (2024)

Privacy Leakage via Output Label Space and Differentially Private Continual Learning
von: Tobaben, Marlon, et al.
Veröffentlicht: (2024)

Compressing 3D Gaussian Splatting by Noise-Substituted Vector Quantization
von: Wang, Haishan, et al.
Veröffentlicht: (2025)

Equivariant Denoisers Cannot Copy Graphs: Align Your Graph Diffusion Models
von: Laabid, Najwa, et al.
Veröffentlicht: (2024)

Pareto-Conditioned Diffusion Models for Offline Multi-Objective Optimization
von: Shrestha, Jatan, et al.
Veröffentlicht: (2026)

Flatness Improves Backbone Generalisation in Few-shot Classification
von: Li, Rui, et al.
Veröffentlicht: (2024)

Sources of Uncertainty in 3D Scene Reconstruction
von: Klasson, Marcus, et al.
Veröffentlicht: (2024)