Buchumschlag

World Model Agents with Change-Based Intrinsic Motivation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ferrao, Jeremias, Cunha, Rafael
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

Evaluating Uncertainty in Deep Gaussian Processes
von: van der Lende, Matthijs, et al.
Veröffentlicht: (2025)

Self-Ablating Transformers: More Interpretability, Less Sparsity
von: Ferrao, Jeremias, et al.
Veröffentlicht: (2025)

Potential-Based Reward Shaping For Intrinsic Motivation
von: Forbes, Grant C., et al.
Veröffentlicht: (2024)

Fostering Intrinsic Motivation in Reinforcement Learning with Pretrained Foundation Models
von: Andres, Alain, et al.
Veröffentlicht: (2024)

Autotelic Agents with Intrinsically Motivated Goal-Conditioned Reinforcement Learning: a Short Survey
von: Colas, Cédric, et al.
Veröffentlicht: (2020)

RLeXplore: Accelerating Research in Intrinsically-Motivated Reinforcement Learning
von: Yuan, Mingqi, et al.
Veröffentlicht: (2024)

Navigate the Unknown: Enhancing LLM Reasoning with Intrinsic Motivation Guided Exploration
von: Gao, Jingtong, et al.
Veröffentlicht: (2025)

Surprise-Adaptive Intrinsic Motivation for Unsupervised Reinforcement Learning
von: Hugessen, Adriana, et al.
Veröffentlicht: (2024)

Learning Off-policy with Model-based Intrinsic Motivation For Active Online Exploration
von: Wang, Yibo, et al.
Veröffentlicht: (2024)

Image-Based Deep Reinforcement Learning with Intrinsically Motivated Stimuli: On the Execution of Complex Robotic Tasks
von: Valencia, David, et al.
Veröffentlicht: (2024)

Potential-Based Intrinsic Motivation: Preserving Optimality With Complex, Non-Markovian Shaping Rewards
von: Forbes, Grant C., et al.
Veröffentlicht: (2024)

On-Time Delivery in Crowdshipping Systems: An Agent-Based Approach Using Streaming Data
von: Dötterl, Jeremias, et al.
Veröffentlicht: (2024)

LLM-Driven Intrinsic Motivation for Sparse Reward Reinforcement Learning
von: Quadros, André, et al.
Veröffentlicht: (2025)

BAMDP Shaping: a Unified Framework for Intrinsic Motivation and Reward Shaping
von: Lidayan, Aly, et al.
Veröffentlicht: (2024)

PreND: Enhancing Intrinsic Motivation in Reinforcement Learning through Pre-trained Network Distillation
von: Davoodabadi, Mohammadamin, et al.
Veröffentlicht: (2024)

Contrastive Learning for Correlating Network Incidents
von: Dötterl, Jeremias
Veröffentlicht: (2025)

Toward Explainable Offline RL: Analyzing Representations in Intrinsically Motivated Decision Transformers
von: Guiducci, Leonardo, et al.
Veröffentlicht: (2025)

Reinforcement Learning with Intrinsically Motivated Feedback Graph for Lost-sales Inventory Control
von: Liu, Zifan, et al.
Veröffentlicht: (2024)

I Bet You Did Not Mean That: Testing Semantic Importance via Betting
von: Teneggi, Jacopo, et al.
Veröffentlicht: (2024)

Autotelic Reinforcement Learning: Exploring Intrinsic Motivations for Skill Acquisition in Open-Ended Environments
von: Srivastava, Prakhar, et al.
Veröffentlicht: (2025)

Retrieval from Within: An Intrinsic Capability of Attention-Based Models
von: Hoffer, Elad, et al.
Veröffentlicht: (2026)

Learn to Change the World: Multi-level Reinforcement Learning with Model-Changing Actions
von: Lu, Ziqing, et al.
Veröffentlicht: (2025)

External Model Motivated Agents: Reinforcement Learning for Enhanced Environment Sampling
von: Bhagat, Rishav, et al.
Veröffentlicht: (2024)

LinearizeLLM: An Agent-Based Framework for LLM-Driven Exact Linear Reformulation of Nonlinear Optimization Problems
von: Kandora, Paul-Niklas Ken, et al.
Veröffentlicht: (2025)

Intrinsic Wasserstein Rates for Score-Based Generative Models on Smooth Manifolds
von: Fu, Guoji, et al.
Veröffentlicht: (2026)

Evaluating Collaborative and Autonomous Agents in Data-Stream-Supported Coordination of Mobile Crowdsourcing
von: Bruns, Ralf, et al.
Veröffentlicht: (2024)

Robust Bayesian Optimisation with Unbounded Corruptions
von: Ezzerg, Abdelhamid, et al.
Veröffentlicht: (2025)

Constant in an Ever-Changing World
von: Wu, Andy, et al.
Veröffentlicht: (2025)

Beyond Scores: Proximal Diffusion Models
von: Fang, Zhenghan, et al.
Veröffentlicht: (2025)

MetaVIM: Meta Variationally Intrinsic Motivated Reinforcement Learning for Decentralized Traffic Signal Control
von: Zhu, Liwen, et al.
Veröffentlicht: (2021)

World Modelling Improves Language Model Agents
von: Guo, Shangmin, et al.
Veröffentlicht: (2025)

Robust and Conjugate Gaussian Process Regression
von: Altamirano, Matias, et al.
Veröffentlicht: (2023)

Curiosity-Critic: Cumulative Prediction Error Improvement as a Tractable Intrinsic Reward for World Model Training
von: Bhaskara, Vin, et al.
Veröffentlicht: (2026)

Efficient Imitation Learning with Conservative World Models
von: Kolev, Victor, et al.
Veröffentlicht: (2024)

Certified Robustness against Sparse Adversarial Perturbations via Data Localization
von: Pal, Ambar, et al.
Veröffentlicht: (2024)

Pivotal Auto-Encoder via Self-Normalizing ReLU
von: Goldenstein, Nelson, et al.
Veröffentlicht: (2024)

Sufficient and Necessary Explanations (and What Lies in Between)
von: Bharti, Beepul, et al.
Veröffentlicht: (2024)

Adversarial Examples Might be Avoidable: The Role of Data Concentration in Adversarial Robustness
von: Pal, Ambar, et al.
Veröffentlicht: (2023)

Deep Reinforcement Learning with Hybrid Intrinsic Reward Model
von: Yuan, Mingqi, et al.
Veröffentlicht: (2025)

Cognitively Inspired Energy-Based World Models
von: Gladstone, Alexi, et al.
Veröffentlicht: (2024)