Buchumschlag

Smart Exploration in Reinforcement Learning using Bounded Uncertainty Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	van Hulst, J. S., Heemels, W. P. M. H., Antunes, D. J.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Data-Efficient Quadratic Q-Learning Using LMIs
von: van Hulst, J. S., et al.
Veröffentlicht: (2024)

Bounded Exploration with World Model Uncertainty in Soft Actor-Critic Reinforcement Learning Algorithm
von: Qiao, Ting, et al.
Veröffentlicht: (2024)

Tilt-based Aberration Estimation in Transmission Electron Microscopy
von: van Hulst, Jilles S., et al.
Veröffentlicht: (2026)

On Robust Reinforcement Learning with Lipschitz-Bounded Policy Networks
von: Barbara, Nicholas H., et al.
Veröffentlicht: (2024)

ARISE: Adaptive Reinforcement Integrated with Swarm Exploration
von: M, Rajiv Chaitanya, et al.
Veröffentlicht: (2026)

Kernel-Based Safe Exploration in Deep Reinforcement Learning
von: Majumdar, Rupak, et al.
Veröffentlicht: (2026)

Tempering the Bayes Filter towards Improved Model-Based Estimation
von: van Zutphen, Menno, et al.
Veröffentlicht: (2025)

Optimistic World Models: Efficient Exploration in Model-Based Deep Reinforcement Learning
von: Mete, Akshay, et al.
Veröffentlicht: (2026)

Bridging the Simulation-to-Reality Gap in Electron Microscope Calibration via VAE-EM Estimation
von: van Hulst, Jilles S., et al.
Veröffentlicht: (2026)

Descriptive versus Regulatory Uncertainty in Bounded Predictive Systems
von: Eldin, Ahmed Gamal
Veröffentlicht: (2026)

SINDy-RL: Interpretable and Efficient Model-Based Reinforcement Learning
von: Zolman, Nicholas, et al.
Veröffentlicht: (2024)

Smart Predict-then-Optimize Method with Dependent Data: Risk Bounds and Calibration of Autoregression
von: Liu, Jixian, et al.
Veröffentlicht: (2024)

Enhancing Sample Efficiency in Multi-Agent RL with Uncertainty Quantification and Selective Exploration
von: Danino, Tom, et al.
Veröffentlicht: (2025)

GreenLight-Gym: Reinforcement learning benchmark environment for control of greenhouse production systems
von: van Laatum, Bart, et al.
Veröffentlicht: (2024)

Comparative Field Deployment of Reinforcement Learning and Model Predictive Control for Residential HVAC
von: Mulayim, Ozan Baris, et al.
Veröffentlicht: (2025)

Improved Robustness of Deep Reinforcement Learning for Control of Time-Varying Systems by Bounded Extremum Seeking
von: Saxena, Shaifalee, et al.
Veröffentlicht: (2025)

SmartMeterFM: Unifying Smart Meter Data Generative Tasks Using Flow Matching Models
von: Lin, Nan, et al.
Veröffentlicht: (2026)

Uncertainty Modelling and Robust Observer Synthesis using the Koopman Operator
von: Dahdah, Steven, et al.
Veröffentlicht: (2024)

CORL: Reinforcement Learning of MILP Policies Solved via Branch and Bound
von: Anand, Akhil S, et al.
Veröffentlicht: (2025)

Learning Surrogate LPV State-Space Models with Uncertainty Quantification
von: Olucha, E. Javier, et al.
Veröffentlicht: (2026)

Optimization-based Verification of Discrete-time Control Barrier Functions: A Branch-and-Bound Approach
von: Shakhesi, Erfan, et al.
Veröffentlicht: (2024)

Community-based Multi-Agent Reinforcement Learning with Transfer and Active Exploration
von: Shi, Zhaoyang
Veröffentlicht: (2025)

Robust Model Based Reinforcement Learning Using $\mathcal{L}_1$ Adaptive Control
von: Sung, Minjun, et al.
Veröffentlicht: (2024)

Learning to Route Electric Trucks Under Operational Uncertainty
von: Orfanoudakis, Stavros, et al.
Veröffentlicht: (2026)

Enhancing Cyber Resilience of Networked Microgrids using Vertical Federated Reinforcement Learning
von: Mukherjee, Sayak, et al.
Veröffentlicht: (2022)

Python-Based Reinforcement Learning on Simulink Models
von: Schäfer, Georg, et al.
Veröffentlicht: (2024)

Cross-fitted Proximal Learning for Model-Based Reinforcement Learning
von: Venkatesh, Nishanth, et al.
Veröffentlicht: (2026)

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

Operator Models for Continuous-Time Offline Reinforcement Learning
von: Hoischen, Nicolas, et al.
Veröffentlicht: (2025)

The Synergy Between Optimal Transport Theory and Multi-Agent Reinforcement Learning
von: Baheri, Ali, et al.
Veröffentlicht: (2024)

The impact of sensor placement on graph-neural-network-based leakage detection
von: van Gemert, J. J. H., et al.
Veröffentlicht: (2026)

Towards Fast Rates for Federated and Multi-Task Reinforcement Learning
von: Zhu, Feng, et al.
Veröffentlicht: (2024)

A Deep State-Space Model Compression Method using Upper Bound on Output Error
von: Sakamoto, Hiroki, et al.
Veröffentlicht: (2025)

Structured Cooperative Multi-Agent Reinforcement Learning: a Bayesian Network Perspective
von: Syed, Shahbaz P Qadri, et al.
Veröffentlicht: (2025)

Approximate Model-Based Shielding for Safe Reinforcement Learning
von: Goodall, Alexander W., et al.
Veröffentlicht: (2023)

Data-Driven Exploration for a Class of Continuous-Time Indefinite Linear--Quadratic Reinforcement Learning Problems
von: Huang, Yilie, et al.
Veröffentlicht: (2025)

Distributionally Robust PAC-Bayesian Control
von: Herceg, Domagoj, et al.
Veröffentlicht: (2026)

Worst-Case Regret Bounds for Exploration via Randomized Value Functions
von: Russo, Daniel
Veröffentlicht: (2019)

A Safe Reinforcement Learning Algorithm for Supervisory Control of Power Plants
von: Sun, Yixuan, et al.
Veröffentlicht: (2024)

Communication-aware Wide-Area Damping Control using Risk-Constrained Reinforcement Learning
von: Kwon, Kyung-bin, et al.
Veröffentlicht: (2025)