强化学习元策略动态分配推理计算

Adam Labiosa与Josiah P. Hanna提出一种强化学习方法，训练元推理策略依据反应式策略的不确定性分数，在直接反应与决策时规划之间分配计算。基于论文摘要，其在运动规划和导航环境中的实验显示，随着反应式策略能力提高，元智能体会逐渐转向完全采用反应式控制。 论文摘要称，决策时规划适用面更广，但额外计算会延迟行动；该方法可在两者间选择。当前摘要未披露实验规模、比较基线和具体性能指标。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。