Buchumschlag

Temporal Representations for Exploration: Learning Complex Exploratory Behavior without Extrinsic Rewards

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Mohamed, Faisal, Ji, Catherine, Eysenbach, Benjamin, Berseth, Glen
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Is Exploration or Optimization the Problem for Deep Reinforcement Learning?
von: Berseth, Glen
Veröffentlicht: (2025)

ARM-FM: Automated Reward Machines via Foundation Models for Compositional Reinforcement Learning
von: Castanyer, Roger Creus, et al.
Veröffentlicht: (2025)

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

A Single Goal is All You Need: Skills and Exploration Emerge from Contrastive RL without Rewards, Demonstrations, or Subgoals
von: Liu, Grace, et al.
Veröffentlicht: (2024)

Self-Supervised Goal-Reaching Results in Multi-Agent Cooperation and Exploration
von: Nimonkar, Chirayu, et al.
Veröffentlicht: (2025)

Horizon Generalization in Reinforcement Learning
von: Myers, Vivek, et al.
Veröffentlicht: (2025)

Can We Really Learn One Representation to Optimize All Rewards?
von: Zheng, Chongyi, et al.
Veröffentlicht: (2026)

Improving Deep Reinforcement Learning by Reducing the Chain Effect of Value and Policy Churn
von: Tang, Hongyao, et al.
Veröffentlicht: (2024)

Improving Intrinsic Exploration by Creating Stationary Objectives
von: Castanyer, Roger Creus, et al.
Veröffentlicht: (2023)

Self-Predictive Representations for Combinatorial Generalization in Behavioral Cloning
von: Lawson, Daniel, et al.
Veröffentlicht: (2025)

Contrastive Representations for Temporal Reasoning
von: Ziarko, Alicja, et al.
Veröffentlicht: (2025)

Learning to Assist Humans without Inferring Rewards
von: Myers, Vivek, et al.
Veröffentlicht: (2024)

Closing the Gap between TD Learning and Supervised Learning -- A Generalisation Point of View
von: Ghugare, Raj, et al.
Veröffentlicht: (2024)

SegDAC: Visual Generalization in Reinforcement Learning via Dynamic Object Tokens
von: Brown, Alexandre, et al.
Veröffentlicht: (2025)

Is Temporal Difference Learning the Gold Standard for Stitching in RL?
von: Bortkiewicz, Michał, et al.
Veröffentlicht: (2025)

Enabling Realtime Reinforcement Learning at Scale with Staggered Asynchronous Inference
von: Riemer, Matthew, et al.
Veröffentlicht: (2024)

Behavior-Consistent Deep Reinforcement Learning
von: Hussing, Marcel, et al.
Veröffentlicht: (2026)

Intelligent Switching for Reset-Free RL
von: Patil, Darshan, et al.
Veröffentlicht: (2024)

Learning Temporal Distances: Contrastive Successor Features Can Provide a Metric Structure for Decision-Making
von: Myers, Vivek, et al.
Veröffentlicht: (2024)

Skill Learning via Policy Diversity Yields Identifiable Representations for Reinforcement Learning
von: Reizinger, Patrik, et al.
Veröffentlicht: (2025)

Mitigating Plasticity Loss in Continual Reinforcement Learning by Reducing Churn
von: Tang, Hongyao, et al.
Veröffentlicht: (2025)

Diversifying Policy Behaviors with Extrinsic Behavioral Curiosity
von: Wan, Zhenglin, et al.
Veröffentlicht: (2024)

Non-Adversarial Inverse Reinforcement Learning via Successor Feature Matching
von: Jain, Arnav Kumar, et al.
Veröffentlicht: (2024)

Can a MISL Fly? Analysis and Ingredients for Mutual Information Skill Learning
von: Zheng, Chongyi, et al.
Veröffentlicht: (2024)

Contrastive Difference Predictive Coding
von: Zheng, Chongyi, et al.
Veröffentlicht: (2023)

Game-Theoretic Robust Reinforcement Learning Handles Temporally-Coupled Perturbations
von: Liang, Yongyuan, et al.
Veröffentlicht: (2023)

BuilderBench: The Building Blocks of Intelligent Agents
von: Ghugare, Raj, et al.
Veröffentlicht: (2025)

UpSkill: Mutual Information Skill Learning for Structured Response Diversity in LLMs
von: Shah, Devan, et al.
Veröffentlicht: (2026)

Bridging State and History Representations: Understanding Self-Predictive RL
von: Ni, Tianwei, et al.
Veröffentlicht: (2024)

A Rate-Distortion View of Uncertainty Quantification
von: Apostolopoulou, Ifigeneia, et al.
Veröffentlicht: (2024)

OGBench: Benchmarking Offline Goal-Conditioned RL
von: Park, Seohong, et al.
Veröffentlicht: (2024)

Intention-Conditioned Flow Occupancy Models
von: Zheng, Chongyi, et al.
Veröffentlicht: (2025)

Unifying Goal-Conditioned RL and Unsupervised Skill Learning via Control-Maximization
von: Modirshanechi, Alireza, et al.
Veröffentlicht: (2026)

Constraints as Rewards: Reinforcement Learning for Robots without Reward Functions
von: Ishihara, Yu, et al.
Veröffentlicht: (2025)

Tiered Reward: Designing Rewards for Specification and Fast Learning of Desired Behavior
von: Zhou, Zhiyuan, et al.
Veröffentlicht: (2022)

Exploration by Random Reward Perturbation
von: Ma, Haozhe, et al.
Veröffentlicht: (2025)

HIQL: Offline Goal-Conditioned RL with Latent States as Actions
von: Park, Seohong, et al.
Veröffentlicht: (2023)

Safe-Support Q-Learning: Learning without Unsafe Exploration
von: Lim, Yeeun, et al.
Veröffentlicht: (2026)

Value Flows
von: Dong, Perry, et al.
Veröffentlicht: (2025)

1000 Layer Networks for Self-Supervised RL: Scaling Depth Can Enable New Goal-Reaching Capabilities
von: Wang, Kevin, et al.
Veröffentlicht: (2025)