arXiv · AI· Roko Parac, Lorenzo Nodari, Daniel Furelos-Blanco, Leo Ardon, Federico Cerutti, Alessandra Russo·· 7 小时前AI 评分24
Prob-IRM：基于归纳逻辑编程在含噪环境中学习奖励机器并优化策略
Robust Reward Machine Learning and Execution in Noisy Environments
AI 导读
研究提出 Prob-IRM 方法，利用归纳逻辑编程从含噪命题历史中学习奖励机器（RM），并在离散与连续环境中执行策略学习。 该方法将含噪历史表示为训练样本，通过最大化低不确定性历史的覆盖度来学习 RM，并与策略优化交错进行。 Prob-IRM 在含噪标签下性能优于使用循环神经网络的基线，接近人工构建 RM 的水平，推动奖励机器在真实世界应用。
来源：arXiv · AI · arxiv.org