亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Sample Efficient Deep Reinforcement Learning With Online State Abstraction and Causal Transformer Model Prediction

强化学习 计算机科学 抽象 人工智能 马尔可夫决策过程 样本复杂性 机器学习 概率逻辑 深度学习 样品(材料) 变压器 马尔可夫过程 数学 哲学 统计 化学 物理 认识论 色谱法 量子力学 电压
作者
Yixing Lan,Xin Xu,Qiang Fang,Jianye Hao
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:: 1-15
标识
DOI:10.1109/tnnls.2023.3296642
摘要

Deep reinforcement learning (RL) typically requires a tremendous number of training samples, which are not practical in many applications. State abstraction and world models are two promising approaches for improving sample efficiency in deep RL. However, both state abstraction and world models may degrade the learning performance. In this article, we propose an abstracted model-based policy learning (AMPL) algorithm, which improves the sample efficiency of deep RL. In AMPL, a novel state abstraction method via multistep bisimulation is first developed to learn task-related latent state spaces. Hence, the original Markov decision processes (MDPs) are compressed into abstracted MDPs. Then, a causal transformer model predictor (CTMP) is designed to approximate the abstracted MDPs and generate long-horizon simulated trajectories with a smaller multistep prediction error. Policies are efficiently learned through these trajectories within the abstracted MDPs via a modified multistep soft actor-critic algorithm with a λ -target. Moreover, theoretical analysis shows that the AMPL algorithm can improve sample efficiency during the training process. On Atari games and the DeepMind Control (DMControl) suite, AMPL surpasses current state-of-the-art deep RL algorithms in terms of sample efficiency. Furthermore, DMControl tasks with moving noises are conducted, and the results demonstrate that AMPL is robust to task-irrelevant observational distractors and significantly outperforms the existing approaches.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
研友_VZG7GZ应助科研通管家采纳,获得10
6秒前
Owen应助科研通管家采纳,获得10
6秒前
今后应助凯文采纳,获得10
6秒前
英勇小伙完成签到,获得积分20
13秒前
FashionBoy应助zyutao采纳,获得10
13秒前
13秒前
16秒前
易玉燕发布了新的文献求助10
16秒前
大模型应助英勇小伙采纳,获得10
18秒前
开放乐巧完成签到 ,获得积分20
20秒前
凯文发布了新的文献求助10
23秒前
悠悠夏日长完成签到 ,获得积分10
26秒前
spark810完成签到 ,获得积分0
27秒前
53秒前
英勇小伙发布了新的文献求助10
1分钟前
yungm完成签到,获得积分10
1分钟前
1分钟前
kk_1315完成签到,获得积分10
1分钟前
yungm发布了新的文献求助10
1分钟前
wuyuyu5413完成签到,获得积分10
1分钟前
1分钟前
wuyuyu5413发布了新的文献求助10
1分钟前
1分钟前
1分钟前
RED发布了新的文献求助10
1分钟前
1分钟前
zzyh307完成签到 ,获得积分0
1分钟前
yaoyaoyao完成签到 ,获得积分10
1分钟前
1分钟前
乐乐应助科研通管家采纳,获得10
2分钟前
LUMO完成签到 ,获得积分10
2分钟前
大模型应助zlf采纳,获得10
2分钟前
jindui完成签到 ,获得积分10
2分钟前
寻道图强应助Jamiter采纳,获得30
2分钟前
2分钟前
文献无碍完成签到,获得积分10
2分钟前
3分钟前
3分钟前
3分钟前
烂漫的白薇完成签到,获得积分10
3分钟前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3162300
求助须知:如何正确求助?哪些是违规求助? 2813318
关于积分的说明 7899633
捐赠科研通 2472677
什么是DOI,文献DOI怎么找? 1316507
科研通“疑难数据库(出版商)”最低求助积分说明 631365
版权声明 602142