Buchumschlag

From Pixels to Factors: Learning Independently Controllable State Variables for Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Rodriguez-Sanchez, Rafael, Allen, Cameron, 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

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)

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

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)

Knowledge Retention for Continual Model-Based Reinforcement Learning
von: Sun, Yixiang, et al.
Veröffentlicht: (2025)

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

Focused Skill Discovery: Learning to Control Specific State Variables while Minimizing Side Effects
von: Carr, Jonathan Colaço, et al.
Veröffentlicht: (2025)

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

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

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

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

Reinforcement Learning with Exogenous States and Rewards
von: Trimponias, George, et al.
Veröffentlicht: (2023)

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)

Learning Equivariant Neural-Augmented Object Dynamics From Few Interactions
von: Orozco, Sergio, et al.
Veröffentlicht: (2026)

SPQR: Controlling Q-ensemble Independence with Spiked Random Model for Reinforcement Learning
von: Lee, Dohyeok, et al.
Veröffentlicht: (2024)

Mind the GAP! The Challenges of Scale in Pixel-based Deep Reinforcement Learning
von: Sokar, Ghada, et al.
Veröffentlicht: (2025)

Information-Theoretic State Variable Selection for Reinforcement Learning
von: Westphal, Charles, et al.
Veröffentlicht: (2024)

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

In-Context Reinforcement Learning for Variable Action Spaces
von: Sinii, Viacheslav, et al.
Veröffentlicht: (2023)

Variable-Agnostic Causal Exploration for Reinforcement Learning
von: Nguyen, Minh Hoang, et al.
Veröffentlicht: (2024)

Reinforcement Learning-based Heuristics to Guide Domain-Independent Dynamic Programming
von: Narita, Minori, et al.
Veröffentlicht: (2025)

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

State-free Reinforcement Learning
von: Chen, Mingyu, et al.
Veröffentlicht: (2024)

Mutual Information Tracks Policy Coherence in Reinforcement Learning
von: Reid, Cameron, et al.
Veröffentlicht: (2025)

The Informational Cost of Agency: A Bounded Measure of Interaction Efficiency for Deployed Reinforcement Learning
von: Hafez, Wael, et al.
Veröffentlicht: (2026)

Enabling Multi-Agent Transfer Reinforcement Learning via Scenario Independent Representation
von: Nipu, Ayesha Siddika, et al.
Veröffentlicht: (2024)

Adviser-Actor-Critic: Eliminating Steady-State Error in Reinforcement Learning Control
von: Chen, Donghe, et al.
Veröffentlicht: (2025)

Reflex: Reinforcement Learning with Reflection Symmetry Exploitation in State-Based Continuous Control
von: Zhen, Shuai, et al.
Veröffentlicht: (2026)

State-Constrained Offline Reinforcement Learning
von: Hepburn, Charles A., et al.
Veröffentlicht: (2024)

Symbolic State Partitioning for Reinforcement Learning
von: Ghaffari, Mohsen, et al.
Veröffentlicht: (2024)

Multi-objective Reinforcement Learning: A Tool for Pluralistic Alignment
von: Vamplew, Peter, et al.
Veröffentlicht: (2024)

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

A Survey of State Representation Learning for Deep Reinforcement Learning
von: Echchahed, Ayoub, et al.
Veröffentlicht: (2025)

DEER: A Delay-Resilient Framework for Reinforcement Learning with Variable Delays
von: Xia, Bo, et al.
Veröffentlicht: (2024)

On the Independence Assumption in Neurosymbolic Learning
von: van Krieken, Emile, et al.
Veröffentlicht: (2024)

Neighboring State-based Exploration for Reinforcement Learning
von: Li, Yu-Teng, et al.
Veröffentlicht: (2022)

Reward-Independent Messaging for Decentralized Multi-Agent Reinforcement Learning
von: Yoshida, Naoto, et al.
Veröffentlicht: (2025)

RLAF: Reinforcement Learning from Automaton Feedback
von: Alinejad, Mahyar, et al.
Veröffentlicht: (2025)