Buchumschlag

Stochastic Minimum-Cost Reach-Avoid Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pan, Jingduo, Wu, Taoran, Xue, Yiling, Xue, Bai
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Solving Minimum-Cost Reach Avoid using Reinforcement Learning
von: So, Oswin, et al.
Veröffentlicht: (2024)

Convex Computations for Controlled Safety Invariant Sets of Black-box Discrete-time Dynamical Systems
von: Wu, Taoran, et al.
Veröffentlicht: (2025)

Provably Safe Reinforcement Learning for Stochastic Reach-Avoid Problems with Entropy Regularization
von: Mazumdar, Abhijit, et al.
Veröffentlicht: (2026)

PAC One-Step Safety Certification for Black-Box Discrete-Time Stochastic Systems
von: Wu, Taoran, et al.
Veröffentlicht: (2025)

Controlled Reach-avoid Set Computation for Discrete-time Polynomial Systems via Convex Optimization
von: Wu, Taoran, et al.
Veröffentlicht: (2025)

Regret-Optimal Q-Learning with Low Cost for Single-Agent and Federated Reinforcement Learning
von: Zhang, Haochen, et al.
Veröffentlicht: (2025)

Infinite-Horizon Reach-Avoid Zero-Sum Games via Deep Reinforcement Learning
von: Li, Jingqi, et al.
Veröffentlicht: (2022)

The Cost of Avoiding Backpropagation
von: Panchal, Kunjal, et al.
Veröffentlicht: (2025)

Efficient Verification and Falsification of ReLU Neural Barrier Certificates
von: Ren, Dejin, et al.
Veröffentlicht: (2025)

Prompting Decision Transformers for Zero-Shot Reach-Avoid Policies
von: Li, Kevin, et al.
Veröffentlicht: (2025)

Revisiting Sparse Rewards for Goal-Reaching Reinforcement Learning
von: Vasan, Gautham, et al.
Veröffentlicht: (2024)

Reinforcement Learning with a Focus on Adjusting Policies to Reach Targets
von: Tsuboya, Akane, et al.
Veröffentlicht: (2024)

Refined Barrier Conditions for Finite-Time Safety and Reach-Avoid Guarantees in Stochastic Systems
von: Xue, Bai, et al.
Veröffentlicht: (2025)

Solving Reach-Avoid-Stay Problems Using Deep Deterministic Policy Gradients
von: Chenevert, Gabriel, et al.
Veröffentlicht: (2024)

MimicKit: A Reinforcement Learning Framework for Motion Imitation and Control
von: Peng, Xue Bin
Veröffentlicht: (2025)

Federated Q-Learning with Reference-Advantage Decomposition: Almost Optimal Regret and Logarithmic Communication Cost
von: Zheng, Zhong, et al.
Veröffentlicht: (2024)

Reinforcement Learning from Diverse Human Preferences
von: Xue, Wanqi, et al.
Veröffentlicht: (2023)

Federated Q-Learning: Linear Regret Speedup with Low Communication Cost
von: Zheng, Zhong, et al.
Veröffentlicht: (2023)

The Edge-of-Reach Problem in Offline Model-Based Reinforcement Learning
von: Sims, Anya, et al.
Veröffentlicht: (2024)

Harmonic Control Lyapunov Barrier Functions for Constrained Optimal Control with Reach-Avoid Specifications
von: Mukherjee, Amartya, et al.
Veröffentlicht: (2023)

The Courage to Stop: Overcoming Sunk Cost Fallacy in Deep Reinforcement Learning
von: Liu, Jiashun, et al.
Veröffentlicht: (2025)

Anomaly Detection for Scalable Task Grouping in Reinforcement Learning-based RAN Optimization
von: Li, Jimmy, et al.
Veröffentlicht: (2023)

Imitate the Good and Avoid the Bad: An Incremental Approach to Safe Reinforcement Learning
von: Hoang, Huy, et al.
Veröffentlicht: (2023)

Reducing Label Dependency in Human Activity Recognition with Wearables: From Supervised Learning to Novel Weakly Self-Supervised Approaches
von: Sheng, Taoran, et al.
Veröffentlicht: (2025)

Goal Reaching with Eikonal-Constrained Hierarchical Quasimetric Reinforcement Learning
von: Giammarino, Vittorio, et al.
Veröffentlicht: (2025)

Reaching Consensus in Cooperative Multi-Agent Reinforcement Learning with Goal Imagination
von: Wang, Liangzhou, et al.
Veröffentlicht: (2024)

Pareto Set Learning for Multi-Objective Reinforcement Learning
von: Liu, Erlong, et al.
Veröffentlicht: (2025)

Gap-Dependent Bounds for Nearly Minimax Optimal Reinforcement Learning with Linear Function Approximation
von: Zhang, Haochen, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Financial Index Tracking
von: Peng, Xianhua, et al.
Veröffentlicht: (2023)

Minimum Cost Adaptive Submodular Cover
von: Al-Thani, Hessa, et al.
Veröffentlicht: (2022)

Adjusted Wasserstein Distributionally Robust Estimator in Statistical Learning
von: Xie, Yiling, et al.
Veröffentlicht: (2023)

RoboBallet: Planning for Multi-Robot Reaching with Graph Neural Networks and Reinforcement Learning
von: Lai, Matthew, et al.
Veröffentlicht: (2025)

T-Graphormer: Using Transformers for Spatiotemporal Forecasting
von: Bai, Hao Yuan, et al.
Veröffentlicht: (2025)

Minimum-Cost Network Flow with Dual Predictions
von: Chen, Zhiyang, et al.
Veröffentlicht: (2026)

R&F-Inventory: A Large-Scale Dataset for Monotonic Inventory Estimation in Reach and Frequency Advertising
von: Peng, Yunshan, et al.
Veröffentlicht: (2026)

Solving Parameter-Robust Avoid Problems with Unknown Feasibility using Reinforcement Learning
von: So, Oswin, et al.
Veröffentlicht: (2026)

Finite-time Safety and Reach-avoid Verification of Stochastic Discrete-time Systems
von: Xue, Bai
Veröffentlicht: (2024)

Noise-Resilient Symbolic Regression with Dynamic Gating Reinforcement Learning
von: Sun, Chenglu, et al.
Veröffentlicht: (2025)

Stochastic Decision Horizons for Constrained Reinforcement Learning
von: Milosevic, Nikola, et al.
Veröffentlicht: (2026)

CryptoPulse: Short-Term Cryptocurrency Forecasting with Dual-Prediction and Cross-Correlated Market Indicators
von: Kumar, Amit, et al.
Veröffentlicht: (2025)