Awesome Decision Making Reinforcement Learning - Unduhan kode Sumber Awesome Decision Making Reinforcement Learning

Awesome Decision Making Reinforcement Learning

Kode Sumber AI

1.0.0

Unduh

Pengambilan Keputusan / Pembelajaran Penguatan yang Luar Biasa

Ini adalah daftar makalah bahan penelitian mutakhir yang berkaitan dengan pengambilan keputusan dan perencanaan gerak. Semoga dapat bermanfaat bagi dunia akademis dan dunia industri. (Masih memperbarui)

Pemelihara : Jiachen Li (Universitas California, Berkeley)

Email : [email protected]

Silakan mengajukan permintaan untuk menambahkan sumber daya baru atau mengirim email kepada kami untuk pertanyaan, diskusi, dan kolaborasi.

Catatan : Berikut juga kumpulan bahan penelitian prediksi lintasan (perilaku) yang sadar interaksi.

RL & IRL & GAIL

Pembelajaran Penguatan Invers Dalam Entropi Maksimum, 2015, [makalah]
Pembelajaran Biaya Terpandu: Kontrol Optimal Invers Mendalam melalui Pengoptimalan Kebijakan, ICML 2016, [kertas]
Pembelajaran Imitasi Adversarial Generatif, NIPS 2016, [makalah]
Hubungan antara Jaringan Adversarial Generatif, Pembelajaran Penguatan Terbalik, dan Model Berbasis Energi, NIPS 2016, [makalah]
InfoGAIL: Pembelajaran Imitasi yang Dapat Ditafsirkan dari Demonstrasi Visual, NIPS 2017, [makalah] [kode]
Pembelajaran Meniru Diri, ICML 2018, [kertas] [kode]
Pembelajaran Penguatan Hirarki yang Efisien Data, NIPS 2018, [makalah]
Mempelajari Imbalan yang Kuat dengan Pembelajaran Penguatan Invers Adversarial, ICLR 2018, [kertas]
Pembelajaran Imitasi Adversarial Generatif Multi-Agen, ICLR 2018, [makalah]
Pembelajaran Penguatan Invers Adversarial Multi-Agen, ICML 2019, [makalah]

Mengemudi Otonom

Survei Penerapan Deep Learning pada Pengendalian Kendaraan Otonom, Transaksi IEEE di ITS 2019, [paper]
Meniru Perilaku Pengemudi dengan Generative Adversarial Networks, IV 2017, [paper] [code]
Pembelajaran Imitasi Multi-Agen untuk Simulasi Mengemudi, IROS 2018, [kertas] [kode]
Mensimulasikan Sifat-sifat yang Muncul dari Perilaku Mengemudi Manusia Menggunakan Multi-Agent Reward Augmented Imitation Learning, ICRA 2019, [kertas] [kode]
Belajar dari Demonstrasi di Alam Liar, ICRA 2018, [makalah]
Mengemudi Otonom Terhubung Multi-Agen menggunakan Deep Reinforcement Learning, NeurIPS 2019, [kertas] [kode]
Pembelajaran Penguatan Mendalam tanpa model untuk Mengemudi Otonom Perkotaan, ITSC 2019, [kertas]
Mengemudi ujung ke ujung melalui pembelajaran imitasi bersyarat, ICRA 2018, [kertas]
CIRL: Pembelajaran Penguatan Imitatif Terkendali untuk Mengemudi Mandiri Berbasis Visi, ECCV 2018, [kertas] [kode]
Pendekatan berbasis pembelajaran penguatan untuk manuver perubahan jalur otomatis, IV 2018, [kertas]
Pembelajaran Penguatan Invers Adversarial untuk Pengambilan Keputusan dalam Mengemudi Otonom, ICRA 2020, [kertas]
Pembelajaran penguatan hierarki mendalam untuk mengemudi otonom dengan perilaku berbeda, IV 2018, [makalah]
Arsitektur Hierarki untuk Pengambilan Keputusan Berurutan dalam Mengemudi Otonom menggunakan Deep Reinforcement Learning, ICML 2019, [makalah]
Perencana Gerakan Neural yang Dapat Ditafsirkan secara menyeluruh, CVPR 2019, [kertas]
Perilaku yang Dapat Dipelajari Bersama dan Perencanaan Lintasan untuk Kendaraan Self-Driving, IROS 2019, [kertas]
Masukan Dinamis untuk Pembelajaran Penguatan Mendalam dalam Mengemudi Otonom, IROS 2019, [makalah]
Belajar Bernavigasi di Kota Tanpa Peta, NIPS 2018, [kertas]
Pengujian Kendaraan Otonom End-to-End yang Skalabel melalui Simulasi Peristiwa Langka, NIPS 2018, [kertas]
Menuju Pembelajaran Negosiasi Multi-agen melalui Self-Play, ICCV 2019, [paper]