具有混叠观测的隐图快速探索与学习
机器学习
2023-09-27 v4 人工智能
摘要
我们考虑恢复隐图的问题，其中每个节点上的观测是混叠的，且转移是随机的。观测由遍历图的智能体收集。混叠意味着多个节点发出相同的观测，因此智能体无法知道其位于哪个节点。智能体需要尽可能准确且尽可能少步地揭示隐藏的拓扑。这等价于在观测概率已知的部分可观测马尔可夫决策过程（POMDP）中高效恢复其转移概率。我们给出了一种高效探索（并最终恢复）隐图的算法。我们的方法在多种具有混叠观测的挑战性拓扑中比朴素探索快指数级，同时在无混叠情形下与现有基线保持竞争力。
引用
@article{arxiv.2303.07397,
title = {Fast exploration and learning of latent graphs with aliased observations},
author = {Miguel Lazaro-Gredilla and Ishan Deshpande and Sivaramakrishnan Swaminathan and Meet Dave and Dileep George},
journal= {arXiv preprint arXiv:2303.07397},
year = {2023}
}