Artigos mais recentes para Processos de Decisão de Markov

Uma nova técnica melhora as checagens de segurança em sistemas aleatórios como robôs e veículos.

Pesquisadores propõem uma abordagem bayesiana para melhorar a tomada de decisão em agentes inteligentes.

Pesquisadores desenvolvem robôs que aprendem pingue-pongue através de demonstrações parecidas com as humanas.

Uma imersão em MDPs contínuos e suas aplicações na tomada de decisão e aprendizado por reforço.

Aprenda como MDPs robustos lidam com a incerteza em frameworks de tomada de decisão.

Um novo sistema melhora a tomada de decisão de veículos autônomos durante a construção de estradas.

Um novo método melhora a habilidade dos robôs de pegar e mover objetos com segurança.

Explorando o multi-aprendizado e seu impacto na estabilidade e no desempenho do aprendizado por reforço.

Este estudo destaca a complexidade da amostra dos algoritmos de Descida de Espelho de Política Neural no aprendizado profundo.

Um olhar sobre como agentes de IA podem ficar seguros em diferentes ambientes.

Um método pra calcular probabilidades em sistemas com tempos de observação incertos.

Usando MDPs pra otimizar estratégias de desbaste pra um crescimento florestal sustentável.

Explorando a sinergia entre RL e LLMs pra melhorar as aplicações de IA.

Novos algoritmos enfrentam desafios em espaços de estado-ação contínuos do Aprendizado por Reforço.

Um olhar sobre MDPs de estados infinitos e seu papel no aprendizado por reforço.

Esse trabalho aperfeiçoa a inferência contrafactual pra melhorar a tomada de decisão na saúde.

Analisando os piores cenários no algoritmo simplex e na iteração de políticas.

Um método usando aprendizado por reforço profundo e síntese reativa para design de controladores.

Um novo método melhora o planejamento dos rovers em missões científicas, garantindo eficiência e confiabilidade.

Novos algoritmos enfrentam desafios em MDPs adversariais sem precisar de conhecimento prévio sobre perdas.

Uma olhada nas técnicas de avaliação off-policy e como elas são relevantes na tomada de decisão.

Um estudo sobre Aprendizado por Reforço Profundo Blindado para a autonomia segura de naves espaciais.

Analisando o soft Q-learning pra tomar decisões eficazes em ambientes incertos.

Esse artigo fala sobre o desenvolvimento de sistemas inteligentes para caminhões autônomos.

Misturando HMDP e MPC para operações de veículos autônomos mais seguras.

Aprenda como os computadores tomam decisões através de técnicas e processos de Aprendizado por Reforço.

Este trabalho apresenta um modelo para melhorar a segurança na navegação de veículos autônomos.

Este artigo fala sobre como os robôs podem entender melhor as preferências humanas na execução de tarefas.

Este artigo fala sobre como melhorar o comportamento de software através de requisitos de liveness.

Esse artigo examina como as políticas funcionam bem a partir de modelos aproximados em ambientes complexos.

Apresentando um algoritmo ideal para Decision Trees em dados de streaming.

Novos algoritmos melhoram a tomada de decisão em tarefas de planejamento de IA.

Explorando estratégias para otimizar níveis de energia e recompensas em Processos de Decisão de Markov.

Este estudo foca em como os robôs conseguem planejar mesmo cometendo erros.

Essa pesquisa simplifica a prova de convergência pra aprendizado por TD com aproximação de função linear.

Uma nova abordagem melhora a clareza na dosagem de warfarina e o cuidado com os pacientes.

A tecnologia de radar adaptativo melhora a segurança contra inimigos enquanto mantém o desempenho.

Uma nova abordagem de ator-crítico enfrenta desafios multi-objetivos em aprendizado por reforço.

Um novo framework usa tecnologia pra agilizar a análise de falhas na saúde.

Uma olhada mais de perto nos ataques de mineração egoísta e seu impacto na segurança da blockchain.