★ 2
带时序逻辑规约的高效贝叶斯自适应强化学习
论文提出一种端到端基于模型的强化学习算法，在未知环境中针对线性时序逻辑（LTL）规约（如安全、可达性）高效合成策略。方法将 LTL 任务的极限确定性 Büchi 自动机与贝叶斯自适应马尔可夫决策过程同步，并提出贝叶斯自适应蒙特卡洛规划（BAMCP）实现近似贝叶斯最优策略合成。实验显示在属性满足与样…
arXiv cs.LG42 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出一种端到端基于模型的强化学习算法，在未知环境中针对线性时序逻辑（LTL）规约（如安全、可达性）高效合成策略。方法将 LTL 任务的极限确定性 Büchi 自动机与贝叶斯自适应马尔可夫决策过程同步，并提出贝叶斯自适应蒙特卡洛规划（BAMCP）实现近似贝叶斯最优策略合成。实验显示在属性满足与样…