跳到主要内容
检索

# TRAIL-IRL交叉奖励-温度混合轨迹聚类方法

1 篇关联报道

订阅更新
  1. arXiv

    轨迹相似不等于偏好相同:TRAIL-IRL把奖励与温度拆开,白鹳迁徙分出四类偏好、三档随机性

    无标签轨迹聚类此前常把“偏好不同”和“行动随机程度不同”混为一谈,多奖励逆强化学习默认所有个体共享同一行动随机性。TRAIL-IRL用交叉混合把奖励类别与温度档位分开配对,使同一偏好组内的行动规律性也能变化,并在已知有限状态环境中给出可辨识条件。模拟中它的预测拟合、奖励恢复与轨迹分类优于同组件数的共温度混合;140条白鹳鸟年轨迹上BIC选出四个奖励类与三个温度档。

已读完全部报道