Buchumschlag

Knowledge Retention for Continual Model-Based Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Yixiang, Fu, Haotian, Littman, Michael, Konidaris, George
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Model-based Reinforcement Learning for Parameterized Action Spaces
von: Zhang, Renhao, et al.
Veröffentlicht: (2024)

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

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

Learning Parameterized Skills from Demonstrations
von: Gupta, Vedant, et al.
Veröffentlicht: (2025)

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

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

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

Automating Curriculum Learning for Reinforcement Learning using a Skill-Based Bayesian Network
von: Hsiao, Vincent, et al.
Veröffentlicht: (2025)

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

From Noise to Control: Parameterized Diffusion Policies
von: Zhang, Renhao, et al.
Veröffentlicht: (2026)

Mitigating Partial Observability in Sequential Decision Processes via the Lambda Discrepancy
von: Allen, Cameron, et al.
Veröffentlicht: (2024)

Accelerating Residual Reinforcement Learning with Uncertainty Estimation
von: Dodeja, Lakshita, et al.
Veröffentlicht: (2025)

Continual Reinforcement Learning by Planning with Online World Models
von: Liu, Zichen, et al.
Veröffentlicht: (2025)

Language-guided Skill Learning with Temporal Variational Inference
von: Fu, Haotian, et al.
Veröffentlicht: (2024)

Tiered Reward: Designing Rewards for Specification and Fast Learning of Desired Behavior
von: Zhou, Zhiyuan, et al.
Veröffentlicht: (2022)

Latent-Predictive Empowerment: Measuring Empowerment without a Simulator
von: Levy, Andrew, et al.
Veröffentlicht: (2024)

Exploiting Contextual Structure to Generate Useful Auxiliary Tasks
von: Quartey, Benedict, et al.
Veröffentlicht: (2023)

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

Memory Retention Is Not Enough to Master Memory Tasks in Reinforcement Learning
von: Shchendrigin, Oleg, et al.
Veröffentlicht: (2026)

Spectral Representation-based Reinforcement Learning
von: Gao, Chenxiao, et al.
Veröffentlicht: (2025)

Continual Model-Based Reinforcement Learning with Hypernetworks
von: Huang, Yizhou, et al.
Veröffentlicht: (2020)

Scheduling Drone and Mobile Charger via Hybrid-Action Deep Reinforcement Learning
von: Dou, Jizhe, et al.
Veröffentlicht: (2024)

Beyond Retention: Orchestrating Structural Safety and Plasticity in Continual Learning for LLMs
von: Meng, Fei
Veröffentlicht: (2026)

DiffStitch: Boosting Offline Reinforcement Learning with Diffusion-based Trajectory Stitching
von: Li, Guanghe, et al.
Veröffentlicht: (2024)

Rethinking the Foundations for Continual Reinforcement Learning
von: Elelimy, Esraa, et al.
Veröffentlicht: (2025)

A Retention-Centric Framework for Continual Learning with Guaranteed Model Developmental Safety
von: Li, Gang, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Partial Parametric Model Knowledge
von: Wang, Shuyuan, et al.
Veröffentlicht: (2023)

EPO: Hierarchical LLM Agents with Environment Preference Optimization
von: Zhao, Qi, et al.
Veröffentlicht: (2024)

KARL: Knowledge Agents via Reinforcement Learning
von: Chang, Jonathan D., et al.
Veröffentlicht: (2026)

Broad Critic Deep Actor Reinforcement Learning for Continuous Control
von: Thalagala, Shiron, et al.
Veröffentlicht: (2024)

Overcoming Slow Decision Frequencies in Continuous Control: Model-Based Sequence Reinforcement Learning for Model-Free Control
von: Patel, Devdhar, et al.
Veröffentlicht: (2024)

Reinforcement Learning with Euclidean Data Augmentation for State-Based Continuous Control
von: Luo, Jinzhu, et al.
Veröffentlicht: (2024)

Revealing the Challenges of Sim-to-Real Transfer in Model-Based Reinforcement Learning via Latent Space Modeling
von: Lin, Zhilin, et al.
Veröffentlicht: (2025)

Continual Diffuser (CoD): Mastering Continual Offline Reinforcement Learning with Experience Rehearsal
von: Hu, Jifeng, et al.
Veröffentlicht: (2024)

UniRL-Zero: Reinforcement Learning on Unified Models with Joint Language Model and Diffusion Model Experts
von: Wang, Fu-Yun, et al.
Veröffentlicht: (2025)

Recurrent Knowledge Identification and Fusion for Language Model Continual Learning
von: Feng, Yujie, et al.
Veröffentlicht: (2025)

Continual Learning as Computationally Constrained Reinforcement Learning
von: Kumar, Saurabh, et al.
Veröffentlicht: (2023)

Energy-Based Models for Continual Learning
von: Li, Shuang, et al.
Veröffentlicht: (2020)

A Survey of Continual Reinforcement Learning
von: Pan, Chaofan, et al.
Veröffentlicht: (2025)

Parseval Regularization for Continual Reinforcement Learning
von: Chung, Wesley, et al.
Veröffentlicht: (2024)