一种受强化学习启发的基于潜在收益的自适应算法切换机制

Jayprakash S. Nair, Jimson Mathew, Shivashankar B. Nair

2026

摘要

本文提出了一种计算高效的算法切换方法，通过聚合算法在多个问题实例上的性能并封装为潜在收益，实现自适应算法选择。在机器人避障任务上的实验验证了该方法的有效性，展示了其在动态环境中的潜力。

reinforcement learningalgorithm switchingadaptive selectionisland modelrobotic obstacle avoidance

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026