arXiv · ML· Jan Corazza, Daniil Kaminskyi, Simon Lutz, Patrick Nossol, Hadi Partovi Aria, Zhe Xu, Daniel Neider·· 8 小时前AI 评分35
基于自动机学习的强化学习时序因果推理框架 TCIRL
Temporal-Causal Inference for Reinforcement Learning via Automata Learning
AI 导读
研究者提出 TCIRL 框架，在观测不到隐藏时间相变的非马尔可夫环境中，同时学习控制策略并推断相变成因。TCIRL 维护假设确定性有限自动机（DFA），通过基于反例的 SAT 综合进行修正，并证明假设几乎必然收敛至生成最优策略的 DFA。在基因疗法网格世界和交通信号灯环境的实验中，TCIRL 正确恢复成因 DFA 并达到全信息基线水平。
来源：arXiv · ML · arxiv.org