arXiv · cs.AI · Roko Parac, Lorenzo Nodari, Daniel Furelos-Blanco, Leo Ardon, Federico Cerutti, Alessandra Russo · 11 小时前模型评分37
Prob-IRM：在噪声环境下学习并执行奖励机器
Robust Reward Machine Learning and Execution in Noisy Environments
导读
Prob-IRM 用归纳逻辑编程（ILP，Inductive Logic Programming）从带噪声的命题历史中学习奖励机器（RM，Reward Machine），并在离散与连续环境中用于策略学习。它用对 RM 状态的信念判断何时重新学习 RM，并提供额外引导奖励。在标签噪声下，其表现与使用手工 RM 的基线相当，并优于用循环神经网络编码历史的方法。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We propose Prob-IRM, a method that learns RMs from noisy proposition histories using inductive logic programming (ILP) and exploits them for policy learning.”
来源：arXiv · cs.AI · arxiv.org