Clustering-based Failed goal Aware Hindsight Experience Replay.
基於聚類的失敗目標感知回顧經驗重播。 PeerJ Comput Sci 2025-02-03

在多目標強化學習中，代理人透過探索學習任務，但面臨稀疏的獎勵挑戰，成功經驗稀少。回顧經驗重播（HER）能從失敗中創造經驗，但均勻抽樣效率不高。為改善此問題，本文提出失敗目標感知HER（FAHER），透過分析達成目標與失敗目標的關係來提升抽樣效率。FAHER利用聚類模型對重播緩衝區進行分組，實現更具策略性的抽樣。實驗結果顯示，FAHER在OpenAI Gym的三個機器人控制任務中，樣本效率優於基準方法。 PubMed DOI ♡

Offline prompt reinforcement learning method based on feature extraction.
基於特徵提取的離線增強學習方法。 PeerJ Comput Sci 2025-02-03

最近的研究發現，將Transformer模型與條件策略結合，可以有效提升離線強化學習的表現。傳統強化學習是依序接收觀察，而Transformer則同時處理多個觀察，這可能影響特徵提取及決策的準確性。為了解決這些問題，我們利用預訓練模型的少量學習特性，並結合提示學習來改善即時政策調整。透過從離線數據中抽樣特定信息，我們能快速掌握任務特徵。實驗結果顯示，我們的方法在相關任務中表現優於基準，並提升了對新環境的泛化能力及決策的穩定性。 PubMed DOI

A novel voice in head actor critic reinforcement learning with human feedback framework for enhanced robot navigation.
一種新穎的頭腦聲音演員評論家強化學習框架，結合人類反饋以增強機器人導航。 Sci Rep 2025-02-28

這項工作介紹了一個名為 Voice in Head (ViH) 的新框架，利用大型語言模型 (LLMs) 和語意理解來提升機器人的導航與互動能力。系統結合了 GPT 和 Gemini LLMs，並透過強化學習 (RL) 進行持續學習。它還具備由 Azure AI Search 支持的語意搜尋功能，讓使用者能用自然語言互動。為了確保安全性，系統內建人類反饋的強化學習 (RLHF) 元件。ViH 框架成功率高達 94.54%，顯示出在認知機器人技術上的重大進展。 PubMed DOI

Episodic Memory-Double Actor-Critic Twin Delayed Deep Deterministic Policy Gradient.
情節記憶-雙重演員-評論家雙重延遲深度確定性策略梯度。 Neural Netw 2025-03-06

提出的「情節記憶-雙重演員-評論家（EMDAC）」框架，透過情節記憶來選擇行動，有效解決深度強化學習在連續行動任務中的低樣本效率問題。EMDAC的特點包括利用情節記憶評估狀態-行動對、使用卡爾曼濾波器優化器更新記憶、狀態-行動對聚類以提升價值估計，以及引入內在獎勵機制鼓勵探索。整合進TD3算法後，EMDAC-TD3在MuJoCo環境中顯著提升樣本效率和表現，平均性能提升11.01%，超越標準TD3，表現優異。 PubMed DOI

Deep deterministic policy gradient algorithm based on dung beetle optimization and priority experience replay mechanism.
基於糞金龜優化與優先經驗回放機制的深度確定性策略梯度演算法 Sci Rep 2025-04-22

這篇論文提出DBOP-DDPG演算法，把糞金龜優化和優先經驗回放結合進DDPG，解決連續動作空間收斂慢、易卡在局部最優的問題。透過多族群搜尋提升全域最佳化能力，並用新排序取樣方式加快收斂。實驗結果顯示，收斂速度提升至少10%，累積獎勵最多高出150分。 PubMed DOI

Helpful, harmless, honest? Sociotechnical limits of AI alignment and safety through Reinforcement Learning from Human Feedback.
有益、無害、誠實？透過人類回饋強化學習（Reinforcement Learning from Human Feedback, RLHF）實現 AI 對齊與安全性的社會技術極限 Ethics Inf Technol 2025-06-09

這篇論文批評現有讓 AI 對齊人類價值的方法（像 RLHF），認為只追求「有幫助、無害、誠實」不夠全面，甚至會互相衝突。作者強調，AI 安全不能只靠技術，還要結合倫理、制度和政治等社會層面來考量。 PubMed DOI

原始文章

站上相關主題文章列表