率先突破大規(guī)模多類數(shù)據(jù)損壞問題！中科大離線強化學(xué)習(xí)新方式入選NeurIPS 2024

AIGC動態(tài)歡迎閱讀

原標題：率先突破大規(guī)模多類數(shù)據(jù)損壞問題！中科大離線強化學(xué)習(xí)新方式入選NeurIPS 2024
關(guān)鍵字：數(shù)據(jù),離線,動作,函數(shù),不確定性
文章來源：量子位
內(nèi)容字數(shù)：0字

內(nèi)容摘要：

中科大楊睿投稿量子位 | 公眾號 QbitAI機器人控制和自動駕駛的離線數(shù)據(jù)損壞問題有解了！
中科大王杰教授團隊 (MIRA Lab) 提出了一種變分貝葉斯推斷方法，有效地提升了智能決策模型的魯棒性。
論文發(fā)表在CCF-A類人工智能頂級會議NeurIPS 2024。
現(xiàn)實世界的離線數(shù)據(jù)集（如機器人控制、自動駕駛等）常常因傳感器故障或惡意攻擊而受到數(shù)據(jù)損壞（如數(shù)據(jù)帶有噪聲或?qū)剐怨簦┑挠绊憽?br />盡管現(xiàn)有離線強化學(xué)習(xí)（offline RL）方法在魯棒性方面已取得了進展，但它們?nèi)噪y以處理因離線數(shù)據(jù)的各類元素（即狀態(tài)、動作、獎勵和轉(zhuǎn)移動態(tài)）均部分損壞所引入的高不確定性。
作者針對離線數(shù)據(jù)的各類元素均有受損這一復(fù)雜的實際問題，提出了一種魯棒的變分貝葉斯推斷方法TRACER。
在面臨各類數(shù)據(jù)損壞時，該方法于所有實驗中均實現(xiàn)了最優(yōu)，相對于現(xiàn)有的SOTA方法提升了高達+21.1%的決策性能，并在24組僅有單類數(shù)據(jù)損壞的實驗中仍實現(xiàn)了16組的最優(yōu)性能。
TRACER主要具有以下三點優(yōu)勢：
TRACER首次將貝葉斯推斷引入到抗損壞的離線強化學(xué)習(xí)（corruption-robust offline RL）

原文鏈接：率先突破大規(guī)模多類數(shù)據(jù)損壞問題！中科大離線強化學(xué)習(xí)新方式入選NeurIPS 2024