Lifelong learning of concepts in CRAFT
La planification à des niveaux d’abstraction plus élevés est essentielle lorsqu’il s’agit de résoudre des tâches à long horizon avec des complexités hiérarchiques. Pour planifier avec succès à un niveau d’abstraction donné, un agent doit comprendre le fonctionnement de l’environnement à ce niveau...
Main Author: | Vasishta, Nithin Venkatesh |
---|---|
Other Authors: | Paull, Liam |
Language: | English |
Published: |
2021
|
Subjects: | |
Online Access: | http://hdl.handle.net/1866/24335 |
Similar Items
-
Real-Time Reinforcement Learning
by: Ramstedt, Simon
Published: (2020) -
Learning competitive ensemble of information-constrained primitives
by: Sodhani, Shagun
Published: (2019) -
Data-efficient reinforcement learning with self-predictive representations
by: Schwarzer, Max
Published: (2021) -
Méta-enseignement : génération active d’exemples par apprentissage par renforcement
by: Larocque, Stéphanie
Published: (2021) -
Deep active localization
by: Gottipati, Vijaya Sai Krishna
Published: (2019)