Log på
indsigt - 제어 관련 잠재 상태 표현 학습
다단계 역전은 모든 것이 아니다
관찰 공간이 불필요하게 높은 차원이고 시간 상관 잡음에 종속되는 실세계 제어 환경에서, 시스템의 제어 가능한 동역학은 원시 관찰 동역학보다 훨씬 단순할 수 있다. 따라서 관찰 공간을 제어 관련 변수의 더 단순한 공간으로 매핑하는 인코더를 학습하는 것이 바람직하다. 본 연구에서는 다단계 역전 방법의 한계를 지적하고, 이를 보완하는 새로운 알고리즘 ACDF를 제안한다. ACDF는 다단계 역전 예측과 잠재 전방 모델을 결합하여 Ex-BMDP 모델의 광범위한 클래스에 대해 올바른 제어 관련 잠재 상태 인코더를 학습할 수 있음을 보장한다.
다단계 역전은 전부가 아니다
관찰 공간이 불필요하게 높은 차원이고 시간 상관 잡음에 종속되는 경우에도, 시스템의 제어 가능한 동역학은 종종 원시 관찰의 동역학보다 훨씬 단순하다. 따라서 관찰 공간을 제어 관련 변수의 더 단순한 공간으로 매핑하는 인코더를 학습하는 것이 바람직하다. 이 연구에서는 다단계 역전 방법의 한계를 지적하고, 이를 보완하는 새로운 알고리즘 ACDF를 제안한다.
Produkter | Ressourcer
© 2024 by Linnk AI