Buchumschlag

Reinforcement Learning with Imperfect Transition Predictions: A Bellman-Jensen Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Chenbei, Chen, Zaiwei, Li, Tongxin, Wu, Chenye, Wierman, Adam
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

Overcoming the Curse of Dimensionality in Reinforcement Learning Through Approximate Factorization
von: Lu, Chenbei, et al.
Veröffentlicht: (2024)

Anytime-Competitive Reinforcement Learning with Policy Prior
von: Yang, Jianyi, et al.
Veröffentlicht: (2023)

Natural Policy Gradient as Doubly Smoothed Policy Iteration: A Bellman-Operator Framework
von: Nanda, Phalguni, et al.
Veröffentlicht: (2026)

Approximate Global Convergence of Independent Learning in Multi-Agent Systems
von: Jin, Ruiyang, et al.
Veröffentlicht: (2024)

Last-Iterate Convergence of Payoff-Based Independent Learning in Zero-Sum Stochastic Games
von: Chen, Zaiwei, et al.
Veröffentlicht: (2024)

Safe Exploitative Play with Untrusted Type Beliefs
von: Li, Tongxin, et al.
Veröffentlicht: (2024)

Model-Free Robust $ϕ$-Divergence Reinforcement Learning Using Both Offline and Online Data
von: Panaganti, Kishan, et al.
Veröffentlicht: (2024)

Gradual Transition from Bellman Optimality Operator to Bellman Operator in Online Reinforcement Learning
von: Omura, Motoki, et al.
Veröffentlicht: (2025)

A Minimal-Assumption Analysis of Q-Learning with Time-Varying Policies
von: Nanda, Phalguni, et al.
Veröffentlicht: (2025)

From Set Convergence to Pointwise Convergence: Finite-Time Guarantees for Average-Reward Q-Learning with Adaptive Stepsizes
von: Chen, Zaiwei, et al.
Veröffentlicht: (2025)

Achieving $\widetilde{O}(1/ε)$ Sample Complexity for Bilinear Systems Identification under Bounded Noises
von: Yi, Hongyu, et al.
Veröffentlicht: (2026)

Sample-Efficient Robust Multi-Agent Reinforcement Learning in the Face of Environmental Uncertainty
von: Shi, Laixi, et al.
Veröffentlicht: (2024)

A Generalized Projected Bellman Error for Off-policy Value Estimation in Reinforcement Learning
von: Patterson, Andrew, et al.
Veröffentlicht: (2021)

Hybrid Transfer Reinforcement Learning: Provable Sample Efficiency from Shifted-Dynamics Data
von: Qu, Chengrui, et al.
Veröffentlicht: (2024)

Distributionally Robust Constrained Reinforcement Learning under Strong Duality
von: Zhang, Zhengfei, et al.
Veröffentlicht: (2024)

Bellman Calibration for $V$-Learning in Offline Reinforcement Learning
von: van der Laan, Lars, et al.
Veröffentlicht: (2025)

Theoretical Barriers in Bellman-Based Reinforcement Learning
von: Pinon, Brieuc, et al.
Veröffentlicht: (2025)

Non-Asymptotic Convergence of Stochastic Iterative Algorithms: A Lyapunov Framework
von: Chen, Zaiwei, et al.
Veröffentlicht: (2026)

Prediction-Specific Design of Learning-Augmented Algorithms
von: Li, Sizhe, et al.
Veröffentlicht: (2025)

Enhancing Efficiency of Safe Reinforcement Learning via Sample Manipulation
von: Gu, Shangding, et al.
Veröffentlicht: (2024)

Achieving $ε^{-2}$ Sample Complexity for Single-Loop Actor-Critic under Minimal Assumptions
von: Hamza, Ishaq, et al.
Veröffentlicht: (2026)

Learning-Augmented Decentralized Online Convex Optimization in Networks
von: Li, Pengfei, et al.
Veröffentlicht: (2023)

Maximizing the Value of Predictions in Control: Accuracy Is Not Enough
von: Lin, Yiheng, et al.
Veröffentlicht: (2025)

Achieving $\varepsilon^{-2}$ Dependence for Average-Reward Q-Learning with a New Contraction Principle
von: Chen, Zijun, et al.
Veröffentlicht: (2026)

Target-Aligned Bellman Backup for Cross-domain Offline Reinforcement Learning
von: Liu, Wei, et al.
Veröffentlicht: (2026)

Breaking the Curse of Multiagency in Robust Multi-Agent Reinforcement Learning
von: Shi, Laixi, et al.
Veröffentlicht: (2024)

Nonparametric Bellman Mappings for Value Iteration in Distributed Reinforcement Learning
von: Akiyama, Yuki, et al.
Veröffentlicht: (2025)

MICRO: Model-Based Offline Reinforcement Learning with a Conservative Bellman Operator
von: Liu, Xiao-Yin, et al.
Veröffentlicht: (2023)

Bridging the Gap Between Average and Discounted TD Learning
von: Tian, Haoxing, et al.
Veröffentlicht: (2026)

SCaLE: Switching Cost aware Learning and Exploration
von: Bhuyan, Neelkamal, et al.
Veröffentlicht: (2026)

Markowitz Meets Bellman: Knowledge-distilled Reinforcement Learning for Portfolio Management
von: Hu, Gang, et al.
Veröffentlicht: (2024)

Nonparametric Bellman Mappings for Reinforcement Learning: Application to Robust Adaptive Filtering
von: Akiyama, Yuki, et al.
Veröffentlicht: (2024)

Path-Coupled Bellman Flows for Distributional Reinforcement Learning
von: Xu, Boyang, et al.
Veröffentlicht: (2026)

Benchmarks for Reinforcement Learning with Biased Offline Data and Imperfect Simulators
von: Linial, Ori, et al.
Veröffentlicht: (2024)

Reinforcement Learning From Imperfect Corrective Actions And Proxy Rewards
von: Jiang, Zhaohui, et al.
Veröffentlicht: (2024)

Graphon Mean-Field Subsampling for Cooperative Heterogeneous Multi-Agent Reinforcement Learning
von: Anand, Emile, et al.
Veröffentlicht: (2026)

Robust Gymnasium: A Unified Modular Benchmark for Robust Reinforcement Learning
von: Gu, Shangding, et al.
Veröffentlicht: (2025)

Linear Bellman Completeness Suffices for Efficient Online Reinforcement Learning with Few Actions
von: Golowich, Noah, et al.
Veröffentlicht: (2024)

Symmetric Q-learning: Reducing Skewness of Bellman Error in Online Reinforcement Learning
von: Omura, Motoki, et al.
Veröffentlicht: (2024)

Quotient-Categorical Representations for Bellman-Compatible Average-Reward Distributional Reinforcement Learning
von: Kaya, Ege C., et al.
Veröffentlicht: (2026)