★ 3
PolicyAttention：Softmax 注意力实现策略镜像下降
论文探讨因果 softmax 注意力能否作为重复控制器实现策略镜像下降（PMD），而非仅一步代数恒等式。作者构建了固定的因果 softmax 演员-环境-单步评论家协议，并证明单独训练的 pre-LN Transformer 可在经验上恢复目标计算。在预注册的重复控制测试中，学习到的演员配合精确单…
arXiv cs.LG35 天前
#闭环控制
共 4 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
GameWAM：视频游戏世界动作模型
GameWAM 是首个用于原生闭环游戏和GUI控制的世界动作模型，联合生成未来视觉和键盘鼠标轨迹。实验显示其任务成功率与现有智能体相当，但执行动作更少，并揭示了生成控制中的源敏感性失败模式。
arXiv cs.AI66 天前
★ 2
REARL：大模型闭环自动驾驶仿真增强
针对现有仿真器难以还原真实交通动态的问题，论文提出闭环仿真增强框架 REARL，将真实交通数据聚类后以簇心作为代表性场景供大模型参考。系统用定时滑动窗口检测车速分布与车距偏差，超阈值时由大模型调整车辆决策，并从真实交通快照中选取匹配车辆动作进行调制。在 HighD 高速场景下，REARL 相较 C…
arXiv cs.LG45 天前
★ 2
强化学习实现肿瘤异质性下的自适应化疗控制
研究针对肿瘤异质性与耐药性带来的化疗方案设计难题，比较连续动作空间 TD3 与离散动作空间 DQN 的闭环深度强化学习给药策略，并以庞特里亚金极大值原理的开环基准对照。在 100 名虚拟患者队列中，TD3 平均肿瘤缩减更优，DQN 患者间给药一致性更强，揭示疗效与一致性的权衡。研究假设全部肿瘤亚群…
arXiv cs.LG49 天前