Buchumschlag

How to Provably Improve Return Conditioned Supervised Learning?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Zhishuai, Yang, Yu, Wang, Ruhan, Xu, Pan, Zhou, Dongruo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Return Augmented Decision Transformer for Off-Dynamics Reinforcement Learning
von: Wang, Ruhan, et al.
Veröffentlicht: (2024)

Linear Mixture Distributionally Robust Markov Decision Processes
von: Liu, Zhishuai, et al.
Veröffentlicht: (2025)

Robust Offline Reinforcement Learning with Linearly Structured f-Divergence Regularization
von: Tang, Cheng, et al.
Veröffentlicht: (2024)

Sample Complexity of Distributionally Robust Off-Dynamics Reinforcement Learning with Online Interaction
von: He, Yiting, et al.
Veröffentlicht: (2025)

Provable Zero-Shot Generalization in Offline Reinforcement Learning
von: Wang, Zhiyong, et al.
Veröffentlicht: (2025)

Implicit Safe Set Algorithm for Provably Safe Reinforcement Learning
von: Zhao, Weiye, et al.
Veröffentlicht: (2024)

CoPS: Empowering LLM Agents with Provable Cross-Task Experience Sharing
von: Yang, Chen, et al.
Veröffentlicht: (2024)

MOBODY: Model Based Off-Dynamics Offline Reinforcement Learning
von: Guo, Yihong, et al.
Veröffentlicht: (2025)

Minimax Optimal and Computationally Efficient Algorithms for Distributionally Robust Offline Reinforcement Learning
von: Liu, Zhishuai, et al.
Veröffentlicht: (2024)

Localized Dynamics-Aware Domain Adaption for Off-Dynamics Offline Reinforcement Learning
von: Xia, Zhangjie, et al.
Veröffentlicht: (2026)

Boundary-to-Region Supervision for Offline Safe Reinforcement Learning
von: Su, Huikang, et al.
Veröffentlicht: (2025)

Leveraging Analytic Gradients in Provably Safe Reinforcement Learning
von: Walter, Tim, et al.
Veröffentlicht: (2025)

Upper and Lower Bounds for Distributionally Robust Off-Dynamics Reinforcement Learning
von: Liu, Zhishuai, et al.
Veröffentlicht: (2024)

Cross-Domain Energy-Guided Diffusion Generation for Off-Dynamics Reinforcement Learning
von: Yang, Yu, et al.
Veröffentlicht: (2026)

Diffusion Policies with Value-Conditional Optimization for Offline Reinforcement Learning
von: Ma, Yunchang, et al.
Veröffentlicht: (2025)

SCIZOR: A Self-Supervised Approach to Data Curation for Large-Scale Imitation Learning
von: Zhang, Yu, et al.
Veröffentlicht: (2025)

Off-Dynamics Reinforcement Learning via Domain Adaptation and Reward Augmented Imitation
von: Guo, Yihong, et al.
Veröffentlicht: (2024)

Adaptive Advantage-Guided Policy Regularization for Offline Reinforcement Learning
von: Liu, Tenglong, et al.
Veröffentlicht: (2024)

DISC: Decoupling Instruction from State-Conditioned Control via Policy Generation
von: Ren, Hanxiang, et al.
Veröffentlicht: (2026)

Target Return Optimizer for Multi-Game Decision Transformer
von: Tatematsu, Kensuke, et al.
Veröffentlicht: (2025)

Model-Based Reinforcement Learning with Multi-Task Offline Pretraining
von: Pan, Minting, et al.
Veröffentlicht: (2023)

Improving the Generalization of Unseen Crowd Behaviors for Reinforcement Learning based Local Motion Planners
von: Ng, Wen Zheng Terence, et al.
Veröffentlicht: (2024)

Return-to-Go Is More Than a Number: Q-Guided Alignment for Return-Conditioned Supervised Learning
von: Yang, Yuxiao, et al.
Veröffentlicht: (2026)

A Provable Approach for End-to-End Safe Reinforcement Learning
von: Wachi, Akifumi, et al.
Veröffentlicht: (2025)

MILES: Making Imitation Learning Easy with Self-Supervision
von: Papagiannis, Georgios, et al.
Veröffentlicht: (2024)

Video-Enhanced Offline Reinforcement Learning: A Model-Based Approach
von: Pan, Minting, et al.
Veröffentlicht: (2025)

Sample Efficient Robot Learning in Supervised Effect Prediction Tasks
von: Eren, Mehmet Arda, et al.
Veröffentlicht: (2024)

ENOTO: Improving Offline-to-Online Reinforcement Learning with Q-Ensembles
von: Zhao, Kai, et al.
Veröffentlicht: (2023)

Decoupled Action Expert: Confining Task Knowledge to the Conditioning Pathway
von: Zhou, Jian, et al.
Veröffentlicht: (2025)

A Plug-and-Play Fully On-the-Job Real-Time Reinforcement Learning Algorithm for a Direct-Drive Tandem-Wing Experiment Platforms Under Multiple Random Operating Conditions
von: Minghao, Zhang, et al.
Veröffentlicht: (2024)

GROOT-2: Weakly Supervised Multi-Modal Instruction Following Agents
von: Cai, Shaofei, et al.
Veröffentlicht: (2024)

Goal-Conditioned Data Augmentation for Offline Reinforcement Learning
von: Huang, Xingshuai, et al.
Veröffentlicht: (2024)

OmniDrones: An Efficient and Flexible Platform for Reinforcement Learning in Drone Control
von: Xu, Botian, et al.
Veröffentlicht: (2023)

SMORE: Score Models for Offline Goal-Conditioned Reinforcement Learning
von: Sikchi, Harshit, et al.
Veröffentlicht: (2023)

Bidirectional Progressive Neural Networks with Episodic Return Progress for Emergent Task Sequencing and Robotic Skill Transfer
von: Ada, Suzan Ece, et al.
Veröffentlicht: (2024)

VendiRL: A Framework for Self-Supervised Reinforcement Learning of Diversely Diverse Skills
von: Lintunen, Erik M.
Veröffentlicht: (2025)

Multimodal Visual-Tactile Representation Learning through Self-Supervised Contrastive Pre-Training
von: Dave, Vedant, et al.
Veröffentlicht: (2024)

Improving Offline Reinforcement Learning with Inaccurate Simulators
von: Hou, Yiwen, et al.
Veröffentlicht: (2024)

Exploring the Edges of Latent State Clusters for Goal-Conditioned Reinforcement Learning
von: Duan, Yuanlin, et al.
Veröffentlicht: (2024)

Improving Trajectory Stitching with Flow Models
von: O'Mahoney, Reece, et al.
Veröffentlicht: (2025)