LEARNING
UBP2：面向高效偏好强化学习的不确定性平衡偏好规划
Mohamed Nabail, Leo Cheng, Jingmin Wang, Nicholas Rhinehart
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出一种基于模型的方法UBP2，通过联合推理奖励、动力学和值函数的不确定性，主动引导探索，从而提升偏好强化学习的样本效率。该方法在标准假设下具有次线性遗憾界，并在Meta-World基准上显著优于现有方法。
关键词
preference-based RLmodel-based planninguncertainty balancingsample efficiencyexploration-exploitation tradeoff
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018