Buchumschlag

RDA: Reward Design Agent for Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Hojoon, Subramanian, Ajay, Abbatematteo, Ben, Veerabadran, Vijay, Matias, Pedro, Ridgeway, Karl, Kamra, Nitin
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

Benchmarking Egocentric Multimodal Goal Inference for Assistive Wearable Agents
von: Veerabadran, Vijay, et al.
Veröffentlicht: (2025)

A Champion-level Vision-based Reinforcement Learning Agent for Competitive Racing in Gran Turismo 7
von: Lee, Hojoon, et al.
Veröffentlicht: (2025)

Reward Design for Reinforcement Learning Agents
von: Devidze, Rati
Veröffentlicht: (2025)

Hyperspherical Normalization for Scalable Deep Reinforcement Learning
von: Lee, Hojoon, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning for Robotics: A Survey of Real-World Successes
von: Tang, Chen, et al.
Veröffentlicht: (2024)

Synthetic Captions for Open-Vocabulary Zero-Shot Segmentation
von: Lebailly, Tim, et al.
Veröffentlicht: (2025)

Investigating Pre-Training Objectives for Generalization in Vision-Based Reinforcement Learning
von: Kim, Donghu, et al.
Veröffentlicht: (2024)

Learning to Look: Seeking Information for Decision Making via Policy Factorization
von: Dass, Shivin, et al.
Veröffentlicht: (2024)

Bayesian Learning of Optimal Policies in Markov Decision Processes with Countably Infinite State-Space
von: Adler, Saghar, et al.
Veröffentlicht: (2023)

SimBa: Simplicity Bias for Scaling Up Parameters in Deep Reinforcement Learning
von: Lee, Hojoon, et al.
Veröffentlicht: (2024)

On Feasible Rewards in Multi-Agent Inverse Reinforcement Learning
von: Freihaut, Till, et al.
Veröffentlicht: (2024)

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

Multi-Agent Reinforcement Learning with Submodular Reward
von: Chen, Wenjing, et al.
Veröffentlicht: (2026)

AgenticCache: Cache-Driven Asynchronous Planning for Embodied AI Agents
von: Kim, Hojoon, et al.
Veröffentlicht: (2026)

DigiData: Training and Evaluating General-Purpose Mobile Control Agents
von: Sun, Yuxuan, et al.
Veröffentlicht: (2025)

Reinforcing Multi-Turn Reasoning in LLM Agents via Turn-Level Reward Design
von: Wei, Quan, et al.
Veröffentlicht: (2025)

On-Robot Reinforcement Learning with Goal-Contrastive Rewards
von: Biza, Ondrej, et al.
Veröffentlicht: (2024)

Representation Stability in a Minimal Continual Learning Agent
von: Subramanian, Vishnu
Veröffentlicht: (2026)

EgoToM: Benchmarking Theory of Mind Reasoning from Egocentric Videos
von: Li, Yuxuan, et al.
Veröffentlicht: (2025)

ROAD: Responsibility-Oriented Reward Design for Reinforcement Learning in Autonomous Driving
von: Chen, Yongming, et al.
Veröffentlicht: (2025)

Learning to Admit Optimally in an $M/M/k/k+N$ Queueing System with Unknown Service Rate
von: Adler, Saghar, et al.
Veröffentlicht: (2022)

Generalized Intention Modeling in Multi-Agent Reinforcement Learning
von: Odrowaz-Sypniewski, Mateusz, et al.
Veröffentlicht: (2026)

Preference-Guided Learning for Sparse-Reward Multi-Agent Reinforcement Learning
von: Bui, The Viet, et al.
Veröffentlicht: (2025)

Reward-Conditioned Reinforcement Learning
von: Nauman, Michal, et al.
Veröffentlicht: (2026)

Reward Modeling for Reinforcement Learning-Based LLM Reasoning: Design, Challenges, and Evaluation
von: Pan, Pei-Chi, et al.
Veröffentlicht: (2026)

Reinforcement Learning for Infinite-Horizon Average-Reward Linear MDPs via Approximation by Discounted-Reward MDPs
von: Hong, Kihyuk, et al.
Veröffentlicht: (2024)

DecDEC: A Systems Approach to Advancing Low-Bit LLM Quantization
von: Park, Yeonhong, et al.
Veröffentlicht: (2024)

Do's and Don'ts: Learning Desirable Skills with Instruction Videos
von: Kim, Hyunseung, et al.
Veröffentlicht: (2024)

Can Large Language Models Develop Strategic Reasoning? Post-training Insights from Learning Chess
von: Hwang, Dongyoon, et al.
Veröffentlicht: (2025)

Reinforcement Learning from Bagged Reward
von: Tang, Yuting, et al.
Veröffentlicht: (2024)

The Value of Reward Lookahead in Reinforcement Learning
von: Merlis, Nadav, et al.
Veröffentlicht: (2024)

Informativeness of Reward Functions in Reinforcement Learning
von: Devidze, Rati, et al.
Veröffentlicht: (2024)

To the Max: Reinventing Reward in Reinforcement Learning
von: Veviurko, Grigorii, et al.
Veröffentlicht: (2024)

Redistributing Rewards Across Time and Agents for Multi-Agent Reinforcement Learning
von: Kapoor, Aditya, et al.
Veröffentlicht: (2025)

Large Language Model Guided Incentive Aware Reward Design for Cooperative Multi-Agent Reinforcement Learning
von: Urgun, Dogan, et al.
Veröffentlicht: (2026)

Focal Reward: Balanced Reinforcement Learning under Rubric-Based Rewards
von: Huang, Yu, et al.
Veröffentlicht: (2026)

The Distributional Reward Critic Framework for Reinforcement Learning Under Perturbed Rewards
von: Chen, Xi, et al.
Veröffentlicht: (2024)

The Trajectory Alignment Coefficient in Two Acts: From Reward Tuning to Reward Learning
von: Muslimani, Calarina, et al.
Veröffentlicht: (2026)

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

Multi-Agent Reinforcement Learning with a Hierarchy of Reward Machines
von: Zheng, Xuejing, et al.
Veröffentlicht: (2024)