面向有界内存开环规划的自适应 Thompson Sampling 栈
人工智能
2023-12-29 v2
摘要
我们提出了稳定且有界内存开环（Stable Yet Memory Bounded Open-Loop, SYMBOL）规划，一种用于部分可观测开环规划的通用有界内存方法。SYMBOL 维护一个自适应的 Thompson Sampling 多臂老虎机栈，其大小受规划视野限制，并且无需除生成模型之外的任何先验领域知识即可根据底层领域自动调整。我们在四个大型 POMDP 基准问题上对 SYMBOL 进行了实证测试，以证明其有效性及对超参数选择的鲁棒性，并评估了其自适应内存消耗。我们还将其性能与其他开环规划算法和 POMCP 进行了比较。
引用
@article{arxiv.1907.05861,
title = {Adaptive Thompson Sampling Stacks for Memory Bounded Open-Loop Planning},
author = {Thomy Phan and Thomas Gabor and Robert Müller and Christoph Roch and Claudia Linnhoff-Popien},
journal= {arXiv preprint arXiv:1907.05861},
year = {2023}
}
备注
Accepted to IJCAI 2019. arXiv admin note: substantial text overlap with arXiv:1905.04020