initial_h

摘要： **发表时间：**2020（ICML 2020） **文章要点：**这篇文章考虑的情形是，用imperfect model来planning的时候，由于model的误差会导致planning不准，所以就需要有选择性的planning，通过度量predictive uncertainty只在模型预测准 阅读全文

摘要： **发表时间：**2019（NeurIPS 2019） **文章要点：**这篇文章结合planning和强化学习来解决复杂任务，主要思路是通过强化学习（Goal-conditioned RL）的方式构建一个图结构（graph），图里的节点就包括起始位置，目标位置以及中间点，这就相当于把一个远距离的目 阅读全文

摘要： **发表时间：**2007（science） **文章要点：**这篇文章主要说checkers已经被解决了，得出的结论是如果两边都不犯错的话，这个游戏的最终结果是平局（Perfect play by both sides leads to a draw）。Solve其实有三种含义，ultraweak 阅读全文

摘要： **发表时间：**2021 **文章要点：**这篇文章通过将整个RL过程放到GPU上，实现速度提升。主要做法就是将环境放到GPU上，减少了CPU和GPU之间的数据传输和通信时间，在GPU上实现整个训练的交互过程。然后一块GPU上就可以做并行训练，同时data存储用占位然后不断更新的方式进行，而不是开 阅读全文

摘要： **发表时间：**2021（ICLR 2021） **文章要点：**这篇文章用角色（roles）来分解复杂任务，解决多智能体问题。主要思路是根据动作对环境和其他agents的影响来分解动作空间，形成不同的角色动作空间（role action space），然后通过role selector来给age 阅读全文

摘要： **发表时间：**2019（ICLR 2019） **文章要点：**这篇文章主要是想学习人类的控制策略，并且能够重复使用。主要思路就是通过监督学习去学一个叫做neural probabilistic motor primitives的模型。这个模型包括一个encoder和一个decoder 这里$s 阅读全文

摘要： **发表时间：**2020（ICML 2020） **文章要点：**这篇文章想要先学low-level policy，然后基于low-level policy来训练一些强化的任务，这样就相当于可以用reusable skills来加快下游任务的训练。主要思路是通过模仿学习和联合辅助任务训练来学reu 阅读全文

摘要： **发表时间：**2020（NeurIPS 2020） **文章要点：**这篇文章用model based方法去做offline RL。主要分为两步，第一步是用offline data学一个pessimistic MDP (P-MDP)，第二步就是用这个P-MDP去学一个near-optimal p 阅读全文

摘要： **发表时间：**2019（NeurIPS 2019 Deep Reinforcement Learning Workshop） **文章要点：**这篇文章想说model based方法里面通常model都是imperfect的，就是这个model一般只在局部是准确的，放到全局上看误差会越来越大，所 阅读全文

摘要： **发表时间：**2019（ICML 2019） **文章要点：**这篇文章主要是做实验研究Q-learning在加入function approximation之后会出现什么问题，以及具体是什么原因造成的。文章主要研究了function approximation， sampling error和 阅读全文

摘要： **发表时间：**2021 （AAMAS 2021 extended abstract） **文章要点：**这篇文章想说通常RL都是去最大化累计回报，这个值通常都是标量，标量反映出来的信息肯定就没有分布多。这篇文章就在risk-aware and multi-objective的设定下用MCTS来做 阅读全文

摘要： **发表时间：**2019（IEEE Transactions on Multimedia） **文章要点：**这篇文章想说现在的online PCA对于changing point不能识别，就会造成online的更新不能及时调整适应，造成性能变差。这里的changing point指的是突然变化的 阅读全文

摘要： **发表时间：**2013（NIPS 2013） **文章要点：**这篇文章提出了一个online robust PCA算法。在online case下，需要根据数据流不断更新Principal Component，但是数据流里面可能有异常值，如果不剔除就会影响Principal Component 阅读全文

摘要： **发表时间：**2021（ICLR 2021） **文章要点：**这篇文章提出了一个解决sparse extrinsic rewards的办法AMIGO。思路就是用一个goal-generating teacher来生成难度适中的任务目标(constructively adversarial ob 阅读全文

摘要： **发表时间：**2021（ICLR 2021） **文章要点：**这篇文章想说，在state里面其实有很多任务无关的东西，如果用Reconstruction之类的方式去做就还是会考虑这些东西，作者提出用Bisimulation metric去做representation，让latent spac 阅读全文