- 1、本文档共73页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
Model-based
ReinforcementLearning(Part2)
SanjibanChoudhury
1
OverallCoursePlan
Foundations(upuntillastclass)
AdvancedAlgorithmsandApplications
(tillendofcourse)
Topics:Generativeworldmodels,OfflineRL,VisualRepresentations,
RLHF,Humanmotionforecasting,…
Lecturers:Sanjiban,Tapo,KillianWeinberger,KuanFang,Tapo,Lerrel
Pinto,PulkitAgarwal
2
Today’sclass
DerivingMBRLloss
PracticalMBRL
TheDREAMERalgorithm
3
ModelLearningwithPlannerinLoop
(RossBagnell,2012)
CollectFit
Planner
ExpertDataModel
Trainon
Rollout
50%expertdata
andAggregatePolicy
Data
50%learnerdata
4
ModelLearningwithPlannerinLoop
Collectdatafromanexpertxpert={(s,a,s′)}
̂
FitamodelM.Computeapolicyπinthemodelviaplanninĝ
11
Initializeemptydatabufferearner←{}
Fori=1,…,N
Executepolicyπintherealworldandcollectdatâ
i
={(s,a,s′)}
i
Aggregatedataearner←earner∪
Trainanewmodelon50%expert+50%learnerdata
̂
Mi+1←Train(0.5*xpert+0.5*earner)
您可能关注的文档
- 蛋白质组学原理及应用案例.pdf
- 房地产市场报告 -一二手房市场联动发展的趋势20241111.pdf
- 房地产专题 _ TOD模式发展现状以及房企布局情况研究 2024.pdf
- 房地产专题 -“70_90”政策松绑后户型供求结构发展趋势2024.pdf
- 房地产专题 -全国房地产政策变动监测报告(2024年10月).pdf
- 购物式旅游业的数字化转型.pdf
- 如何设计_API_基本指南__最佳实践.pdf
- 营销策划 -昆明世博园空中观光项目策划方案20240926.pdf
- 2024年天津市高考思想政治试卷(含答案解析).pdf
- (一模)长春市2025届高三质量监测(一)英语试卷(含答案).docx
- 2024年江西省高考政治试卷真题(含答案逐题解析).pdf
- 2025年四川省新高考八省适应性联考模拟演练(二)物理试卷(含答案详解).pdf
- 2025年四川省新高考八省适应性联考模拟演练(二)地理试卷(含答案详解).pdf
- 2024年内蒙通辽市中考化学试卷(含答案逐题解析).docx
- 2024年四川省攀枝花市中考化学试卷真题(含答案详解).docx
- (一模)长春市2025届高三质量监测(一)化学试卷(含答案).pdf
- 2024年安徽省高考政治试卷(含答案逐题解析).pdf
- (一模)长春市2025届高三质量监测(一)生物试卷(含答案).pdf
- 2024年湖南省高考政治试卷真题(含答案逐题解析).docx
- 2024年安徽省高考政治试卷(含答案逐题解析).docx
文档评论(0)