Buchumschlag

Learning with Expert Abstractions for Efficient Multi-Task Continuous Control

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jewett, Jeff, Saisubramanian, Sandhya
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

Calibrating Biophysical Models for Grape Phenology Prediction via Multi-Task Learning
von: Solow, William, et al.
Veröffentlicht: (2025)

A Hybrid Modeling Framework for Crop Prediction Tasks via Dynamic Parameter Calibration and Multi-Task Learning
von: Solow, William, et al.
Veröffentlicht: (2026)

Adaptive Querying for Reward Learning from Human Feedback
von: Anand, Yashwanthi, et al.
Veröffentlicht: (2024)

Learning Transferable Latent User Preferences for Human-Aligned Decision Making
von: Hyk, Alina, et al.
Veröffentlicht: (2026)

Goal-Oriented Skill Abstraction for Offline Multi-Task Reinforcement Learning
von: He, Jinmin, et al.
Veröffentlicht: (2025)

Hierarchically Gated Experts for Efficient Online Continual Learning
von: Luong, Kevin, et al.
Veröffentlicht: (2024)

WOFOSTGym: A Crop Simulator for Learning Annual and Perennial Crop Management Strategies
von: Solow, William, et al.
Veröffentlicht: (2025)

Imitation Learning for Multi-turn LM Agents via On-policy Expert Corrections
von: Lauffer, Niklas, et al.
Veröffentlicht: (2025)

Each Rank Could be an Expert: Single-Ranked Mixture of Experts LoRA for Multi-Task Learning
von: Zhao, Ziyu, et al.
Veröffentlicht: (2025)

Multi-Objective Planning with Contextual Lexicographic Reward Preferences
von: Rustagi, Pulkit, et al.
Veröffentlicht: (2025)

Continual Optimization with Symmetry Teleportation for Multi-Task Learning
von: Zhou, Zhipeng, et al.
Veröffentlicht: (2025)

Multi-Objective Multi-Agent Path Finding with Lexicographic Cost Preferences
von: Rustagi, Pulkit, et al.
Veröffentlicht: (2025)

Efficient Exploration and Discriminative World Model Learning with an Object-Centric Abstraction
von: GX-Chen, Anthony, et al.
Veröffentlicht: (2024)

Incremental Learning of Retrievable Skills For Efficient Continual Task Adaptation
von: Lee, Daehee, et al.
Veröffentlicht: (2024)

Mastering Massive Multi-Task Reinforcement Learning via Mixture-of-Expert Decision Transformer
von: Kong, Yilun, et al.
Veröffentlicht: (2025)

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

Theory on Mixture-of-Experts in Continual Learning
von: Li, Hongbo, et al.
Veröffentlicht: (2024)

Offline Policy Learning via Skill-step Abstraction for Long-horizon Goal-Conditioned Tasks
von: Kim, Donghoon, et al.
Veröffentlicht: (2024)

Contrastive Abstraction for Reinforcement Learning
von: Patil, Vihang, et al.
Veröffentlicht: (2024)

Task-conditioned Ensemble of Expert Models for Continuous Learning
von: Sharma, Renu, et al.
Veröffentlicht: (2025)

A Unified Perspective for Learning Graph Representations Across Multi-Level Abstractions
von: Amar, Mohamed Mahmoud, et al.
Veröffentlicht: (2026)

MVMoE: Multi-Task Vehicle Routing Solver with Mixture-of-Experts
von: Zhou, Jianan, et al.
Veröffentlicht: (2024)

Klotski: Efficient Mixture-of-Expert Inference via Expert-Aware Multi-Batch Pipeline
von: Fang, Zhiyuan, et al.
Veröffentlicht: (2025)

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

Efficient UAV Swarm-Based Multi-Task Federated Learning with Dynamic Task Knowledge Sharing
von: Yang, Yubo, et al.
Veröffentlicht: (2025)

Abstraction for Offline Goal-Conditioned Reinforcement Learning
von: Wibault, Clarisse, et al.
Veröffentlicht: (2026)

Efficient Multi-Task Reinforcement Learning via Task-Specific Action Correction
von: Feng, Jinyuan, et al.
Veröffentlicht: (2024)

ARCLE: The Abstraction and Reasoning Corpus Learning Environment for Reinforcement Learning
von: Lee, Hosung, et al.
Veröffentlicht: (2024)

Efficient Discovery of Approximate Causal Abstractions via Neural Mechanism Sparsification
von: Asiaee, Amir
Veröffentlicht: (2026)

R-LoRA: Randomized Multi-Head LoRA for Efficient Multi-Task Learning
von: Liu, Jinda, et al.
Veröffentlicht: (2025)

Context-Sensitive Abstractions for Reinforcement Learning with Parameterized Actions
von: Nayyar, Rashmeet Kaur, et al.
Veröffentlicht: (2025)

Causal Abstraction Learning based on the Semantic Embedding Principle
von: D'Acunto, Gabriele, et al.
Veröffentlicht: (2025)

Realizable Abstractions: Near-Optimal Hierarchical Reinforcement Learning
von: Cipollone, Roberto, et al.
Veröffentlicht: (2025)

Learning with Language-Guided State Abstractions
von: Peng, Andi, et al.
Veröffentlicht: (2024)

Adaptive Shared Experts with LoRA-Based Mixture of Experts for Multi-Task Learning
von: Yang, Minghao, et al.
Veröffentlicht: (2025)

Neural Causal Abstractions
von: Xia, Kevin, et al.
Veröffentlicht: (2024)

Sample-Efficient Expert Query Control in Active Imitation Learning via Conformal Prediction
von: Firouzkouhi, Arad, et al.
Veröffentlicht: (2025)

Collaborative Multi-LoRA Experts with Achievement-based Multi-Tasks Loss for Unified Multimodal Information Extraction
von: Yuan, Li, et al.
Veröffentlicht: (2025)

An Efficient Continual Learning Framework for Multivariate Time Series Prediction Tasks with Application to Vehicle State Estimation
von: Hosseinzadeh, Arvin, et al.
Veröffentlicht: (2025)

Task-Aware Adaptive Modulation: A Replay-Free and Resource-Efficient Approach For Continual Graph Learning
von: Liu, Jingtao, et al.
Veröffentlicht: (2025)