dtControl2+$\varepsilon$: Trading Optimality for Explainability in MDPs via Decision Trees
Lancaster University Leipzig（莱斯特大学莱比锡分校）；Ruhr-University Bochum（鲁尔-波鸿大学）
研究在马尔可夫决策过程中，通过扩展dtControl2的“$\varepsilon$”功能，构建更小决策树，在保证$\varepsilon$-最优性的同时提供更简单解释，所建决策树比现有技术小几个数量级。
2026-07-29 cs.AI
A Minimum Relative Entropy Controller for Undiscounted Markov Decision Processes
University of Cambridge（剑桥大学）
自适应控制问题是出了名的难以解决，即使在工厂特定的控制器的存在。绕过最优策略的棘手计算的一种方法是将自适应控制重述为忽略来自通知控制器的真实工厂动态的控制器的相对熵的最小化。解决方案是由贝叶斯控制规则-一组方程表征一类可能的植物动态的随机自适应控制器。在这里，贝叶斯控制规则被应用到推导BCR-MDP，一个控制器来解决有限的状态和动作空间和未知动态的非折扣马尔可夫决策过程。特别是，我们推导出一个非参数共轭先验分布的政策空间，封装代理的整个相关的历史，我们提出了一个吉布斯采样器，从这个分布随机政策。初步结果表明，BCR-MDP成功地避免了次优极限环，由于其内置的机制，以平衡勘探与开发。
2010-02-07 cs.AI cs.LG cs.RO
Algebraically Explainable Controllers: Decision Trees and Support Vector Machines Join Forces
Technical University of Munich（慕尼黑工业大学）
最近，决策树（DT）已被用作控制器的可解释表示（a.k.a.战略、政策、决策者）。虽然它们通常非常有效，并为离散系统提供小型且易于理解的控制器，但复杂的连续动态仍然构成了挑战。特别是，当变量之间的关系采取更复杂的形式时，例如多项式，它们不能使用可用的DT学习过程来获得。相比之下，支持向量机提供了更强大的表示，能够发现许多这样的关系，但不是以可解释的形式。因此，我们建议结合这两个框架，以获得更丰富的，域相关的代数谓词的可理解的表示。我们证明和评估所提出的方法实验上建立的基准。
2022-08-29 cs.AI cs.LG cs.SY
Explaining Control Policies through Predicate Decision Diagrams
Masaryk University（马萨里克大学）；Eindhoven University of Technology（埃因霍温理工大学）；Technical University of Munich（慕尼黑工业大学）；University of Oxford（牛津大学）
本文提出谓词决策图（PDDs），结合决策树与二元决策图的优势，并建立从决策树高效构建PDDs的合成流水线，以提升安全关键控制器的可解释性。
2025-03-25 cs.AI cs.SY eess.SY
A Feedback Integrated Web-Based Multi-Criteria Group Decision Support Model for Contractor Selection using Fuzzy Analytic Hierarchy Process
Federal University of Technology, Akure（阿库雷联邦理工大学）
提出了一种反馈集成的多准则群决策支持承包商选择模型。
2021-11-19 cs.AI
Decision-aid or Controller? Steering Human Decision Makers with Algorithms
Cornell University（康奈尔大学）
算法用于通过做出预测和推荐决策来帮助人类决策者。目前，这些算法经过训练以优化预测精度。如果它们被优化以控制最终决策呢？在本文中，我们研究了一种决策辅助算法，该算法学习人类决策者并提供“个性化的解释”来影响最终决策。我们首先考虑固定的人类决策函数，其将可观察的特征和算法的建议映射到最终决策。我们的特点的条件下，完美的控制最终的决定是可以实现的。在相当一般的假设下，人类决策函数的参数可以从算法和人类决策者之间的过去的交互中识别出来，即使算法被约束为做出真实的建议。然后，我们考虑一个决策者谁知道算法的操纵和战略性的反应。通过将设置设置为廉价谈话游戏的变体[Crawford和Sobel，1982]，我们证明了所有均衡都是仅共享粗略信息的分区均衡：算法推荐包含理想决策的区间。我们讨论了这些算法的潜在应用及其社会影响。
2023-03-23 cs.AI cs.CY cs.HC
Multimodal Pretrained Models for Verifiable Sequential Decision-Making: Planning, Grounding, and Perception
University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出利用多模态预训练模型构建、形式化验证并视觉接地基于自动机的序贯决策控制器，并在感知不确定性下提供概率保证。
2024-06-17 cs.AI cs.FL
Unifying and Optimizing Data Values for Selection via Sequential Decision-Making
Rensselaer Polytechnic Institute（伦塞拉尔理工学院）
将数据选择重构为序列决策问题，通过动态规划得到最优选择序列，并统一解释Data Shapley等现有方法为近视线性近似，提出基于二分图的高效替代方法，在经典ML和大规模LLM微调数据选择中显著优于现有方法。
2026-05-29 cs.AI
Decision Theoretic Foundations of Graphical Model Selection
City University（城市大学）；The Open University（开放大学）
本文描述了一个决策理论公式学习的图形结构的贝叶斯信念网络的数据。这个框架包含了标准的贝叶斯方法，选择具有最大后验概率的模型作为具有0-1损失函数的决策问题的解决方案，并允许使用更一般的损失函数，能够权衡所选模型的复杂性和选择过度简化模型的错误。引入了一类新的损失函数，称为可分解的，以使决策问题与图模型的可分解性相匹配。利用这类损失函数，可以使用有效的自底向上搜索策略找到决策问题的最优解。
2013-01-30 cs.AI
"The World Is Its Own Best Model": Robust Real-World Manipulation Through Online Behavior Selection
Technische Universität Berlin（柏林工业大学）；Science of Intelligence (SCIoI), Cluster of Excellence（卓越集群“智能科学”）
机器人操作行为应该对违反高级任务结构的干扰具有鲁棒性。这种鲁棒性可以通过不断地监视环境来观察任务的离散高级状态来实现。这是可能的，因为任务的不同阶段的特征在于不同的传感器模式，并且通过监视这些模式，机器人可以决定当前执行哪些控制器。这放松了对这些控制器的时间序列的假设，并使行为对不可预见的干扰具有鲁棒性。我们实现这个想法作为概率过滤器的离散状态，每个状态是直接与控制器。基于这个框架，我们提出了一个机器人系统，能够打开一个抽屉，并抓住网球从它在一个令人惊讶的强大的方式。
2022-05-09 cs.AI cs.RO
Explainability of Intelligent Transportation Systems using Knowledge Compilation: a Traffic Light Controller Case
Boston University（波士顿大学）；Queen’s University（女王大学）；IBM Research AI（IBM研究院）
对环境做出决定的自动控制器的使用是广泛的，并且通常基于黑盒模型。我们使用知识编译理论，使可解释性的控制器的决定，给定的系统的状态。为此，我们使用模拟的历史状态-动作数据作为输入，并构建一个紧凑的结构化表示，将状态与动作联系起来。我们实现这种方法在交通灯控制的情况下，控制器选择光周期通过观察车辆的存在（或不存在）在不同区域的传入道路。
2020-07-09 cs.AI cs.HC cs.LO
Multi-Objective Controller Synthesis with Uncertain Human Preferences
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of Virginia（弗吉尼亚大学）；University of Birmingham（伯明翰大学）
复杂的现实世界中的应用程序的信息物理系统产生了需要多目标控制器的合成，这涉及到的问题，计算一个最优的控制器受到多个（可能相互冲突）的标准。目标的相对重要性通常由人类决策者指定。然而，在人类偏好中存在固有的不确定性（例如，由于由不同的偏好引出方法产生的伪像）。在本文中，我们形式化的概念不确定的人的喜好，并提出了一种新的方法，占这种不确定性的背景下，多目标控制器合成马尔可夫决策过程（MDP）。我们的方法是基于混合整数线性规划和合成一个最佳的许可多策略，满足不确定的人类偏好的多目标属性。一系列大型案例研究的实验结果表明，所提出的方法是可行的，可扩展性在不同的MDP模型大小和人类偏好的不确定性水平。通过在线用户研究进行的评估也证明了合成控制器的质量和效益。
2022-03-02 cs.AI cs.FL
Dynamic Simplex: Balancing Safety and Performance in Autonomous Cyber Physical Systems
Vanderbilt University（范德堡大学）；Technical University of Munich（慕尼黑工业大学）
学习使能组件（LEC）极大地帮助了信息物理系统实现更高水平的自主性。然而，LEC对动态和不确定的操作条件的敏感性是这些系统的安全性的关键挑战。冗余控制器架构已被广泛采用，以确保在这种情况下的安全。这些架构增强了LEC“高性能”控制器，这些控制器很难与“安全”控制器以及在它们之间切换的决策逻辑进行验证。虽然这些架构确保了安全性，但我们指出了两个限制。首先，它们被离线训练以学习总是选择保持系统安全的控制器的保守策略，这限制了系统对动态和非平稳环境的适应性。第二，它们不支持从安全控制器到性能控制器的反向切换，即使当对安全的威胁不再存在时也是如此。为了解决这些限制，我们提出了一个动态的单工策略，允许双向切换的在线控制器切换逻辑。我们认为切换作为一个顺序的决策问题和模型，它作为一个半马尔可夫决策过程。我们利用使用代理模型的短视选择器（用于正向切换）和非短视规划器（用于反向切换）的组合来平衡安全性和性能。我们评估这种方法使用自动驾驶汽车的案例研究在CARLA模拟器使用不同的驾驶条件，位置和组件故障。我们表明，所提出的方法的结果在更少的冲突和更高的性能比国家的最先进的替代品。
2023-02-20 cs.AI cs.RO
A Safety-Critical Decision Making and Control Framework Combining Machine Learning and Rule-based Algorithms
Aalto University（阿尔托大学）
虽然基于人工智能的方法缺乏透明度，但基于规则的方法在安全关键系统中占主导地位。然而，后者无法与第一个在多个要求的鲁棒性方面竞争，例如，同时解决安全性，舒适性和效率。因此，为了从这两种方法中受益，它们必须加入一个单一的系统。本文提出了一个决策和控制框架，它的优势，基于规则和机器学习的技术，同时弥补他们的缺点。所提出的方法体现了两个控制器并行操作，称为安全和学习。基于规则的切换逻辑选择从两个控制器传输的操作之一。当学习控制器不满足安全约束时，安全控制器每次都被优先化，并且还直接参与安全学习控制器训练。选择自主驾驶中的决策和控制作为系统案例研究，其中自主车辆学习多任务策略以安全地穿过无保护的交叉口。多项要求（即，安全性、效率和舒适性）。数值模拟所提出的框架进行验证，其能力，以满足要求和鲁棒性不断变化的环境被成功地证明。
2022-01-30 cs.AI cs.LG cs.RO
Solution Subset Selection for Final Decision Making in Evolutionary Multi-Objective Optimization
Southern University of Science and Technology（南方科技大学）
一般来说，多目标优化问题并不只有一个最优解，而是有一组Pareto最优解，它们在目标空间中形成Pareto前沿。已经提出了各种进化算法来近似帕累托前沿使用预先指定的解决方案的数量。通过一次运行可获得数百种解决方案。从获得的解决方案中选择一个最终的解决方案被认为是由人类决策者完成的。然而，在许多情况下，决策者不想检查数百个解决方案。因此，需要选择所获得的解决方案的一个小子集。在本文中，我们讨论的子集选择的观点，最终决策。首先，我们简要介绍现有的子集选择研究。接下来，我们制定一个预期的损失函数的子集选择。我们还表明，制定的功能是相同的IGD加指标。然后，我们报告的实验结果，所提出的方法与其他基于指标的子集选择方法进行了比较。
2020-06-15 cs.AI cs.NE
Code to Control: Synthesizing Parameterized Reactive Controllers
Harvard University（哈佛大学）；Massachusetts Institute of Technology（麻省理工学院）；Florida Institute for Human and Machine Cognition（佛罗里达人类与机器认知研究所）
提出Code to Control方法，通过LLM合成控制器结构、无导数搜索调参，生成无需推理或规划的Python策略，在Atari、Flappy Bird和MuJoCo任务中优于规划式程序合成，媲美深度强化学习且更高效。
2026-10-01 cs.AI cs.LG
A Possibility Distribution Based Multi-Criteria Decision Algorithm for Resilient Supplier Selection Problems
Northeastern University（东北大学）
到目前为止，有限的研究已经进行弹性供应商选择-一个问题，需要同时考虑一组数字和语言的评价标准，这是从传统的供应商选择问题有很大的不同。从本质上讲，弹性供应商选择需要一个组织获得竞争优势的关键采购决策。在存在多个相互冲突的评价标准，相互矛盾的决策者，和不精确的决策相关信息（DRI），这个问题变得更加难以解决与经典的优化方法。然而，以前的研究集中在基于MCDA的供应商选择问题一直缺乏的能力，提供一个无缝集成的数字和语言的评价标准，同时考虑多个决策者。为了应对这些挑战，我们提出了一个全面的决策框架，从弹性的角度对一组供应商进行排名。所提出的算法是能够利用不精确和聚合的DRI从清晰的数值评估和可靠性调整的语言评价从一组决策者。我们适应两个流行的工具-单值中性集（SVNS）和区间值模糊集（IVFS），并首次将其扩展到将清晰和语言的评价在一个群体决策平台，以获得聚合SVNS和IVFS决策矩阵。然后，这些信息被用来排序的弹性供应商，使用TOPSIS方法。我们提出了一个案例研究来说明所提出的算法的机制。
2019-04-06 cs.AI math.OC
Dynamic-Weighted Simplex Strategy for Learning Enabled Cyber Physical Systems
Institute for Software Integrated Systems（软件集成系统研究所）；Vanderbilt University（范德堡大学）
网络物理系统（CPS）越来越多地开始使用学习支持组件（LECs）来执行基于感知的控制任务。简单的设计方法，以及它们不断学习的能力，使它们在不同的自主应用中得到了广泛的使用。尽管它们简单且功能强大，但这些模型很难保证，这使得它们的使用具有挑战性。保证CPS与不受信任的控制器的问题已经实现了使用单纯形架构。该体系结构将待保证的系统与安全控制器集成，并提供决策逻辑以在这些控制器的决策之间切换。然而，使用单纯形架构的关键挑战是：（1）设计有效的决策逻辑，以及（2）控制器决策之间的突然转换导致不一致的系统性能。为了解决这些问题，我们做了三个关键的贡献：（1）\textit{dynamic-weighted simplex strategy} --我们引入"加权单纯形策略”作为经典单纯形结构的加权集成扩展。然后，我们提供了一种基于强化学习的机制来寻找动态集成权重，（2）\textit{middleware framework} -我们设计了一个框架，允许使用动态加权单纯形策略，并提供了一个资源管理器来监控计算资源，（3）\textit{hardware testbed} -我们设计了一个名为DeepNNCar的远程控制汽车测试平台来测试和演示上述关键概念。使用硬件，我们表明，动态加权的单纯形策略具有60%的少出轨发生（软约束违规），同时表现出更高的优化速度（性能）的0.4米/秒，在室内驾驶比原…
2020-03-10 cs.AI cs.RO
HyCodePolicy: Hybrid Language Controllers for Multimodal Monitoring and Decision in Embodied Agents
SJTU（上海交通大学）；HKU（香港大学）；NEU（东北大学）；D-Robotics（地平线机器人）；Shanghai AI Lab（上海人工智能实验室）；SZU（深圳大学）；SUSTech（南方科技大学）；THU（清华大学）
HyCodePolicy提出混合语言控制框架，结合代码合成、几何基础、感知监控与迭代修复，实现具身智能体自纠正程序合成，显著提升机器人操作策略的鲁棒性和样本效率。
2025-08-06 cs.AI cs.CL cs.RO
ReLMXEL: Adaptive RL-Based Memory Controller with Explainable Energy and Latency Optimization
Department of Mathematics and Computer Science（数学与计算机科学系）；Sri Sathya Sai Institute of Higher Learning（Sri Sathya Sai高等研究院）；Department of Computer Science and Engineering（计算机科学与工程系）；Indian Institute of Technology Ropar（印度理工学院罗帕尔分校）；AI Performance Engineer（AI性能工程师）；Red Hat（红帽公司）
本文提出ReLMXEL，一种基于强化学习的多智能体在线框架，通过奖励分解动态优化内存控制器参数，提升内存系统效率与透明度。
2026-03-18 cs.AI cs.AR cs.LG
Machine-Coached Policy Revision in Adaptive Agent-Based Regulatory Simulation: A Controller-Level Contestability Layer
Open University of Cyprus（塞浦路斯开放大学）
提出一种轻量级机器辅导策略修订层，通过可废止规则表示策略决策，实现控制器行为的解释、挑战和修订，并在排放监管ABM实验中验证其减少过度保守行为的效果。
2026-06-23 cs.AI cs.CY cs.MA
Comparative Explanations: Explanation Guided Decision Making for Human-in-the-Loop Preference Selection
Continental Automotive Technologies GmbH, AI Lab Berlin, Germany（大陆汽车技术有限公司，柏林AI实验室，德国）；University of Marburg（马尔堡大学）；Continental Automotive Technologies GmbH, Frankfurt, Germany（大陆汽车技术有限公司，法兰克福，德国）
本文提出比较性解释方法MOLONE，通过同时解释输入特征与输出目标在局部邻域内的重要性，帮助决策者理解多目标权衡，从而在人在回路偏好贝叶斯优化中加速偏好选择与收敛。
2025-08-22 cs.AI cs.LG
The Use of Probabilistic Systems to Mimic the Behaviour of Idiotypic AIS Robot Controllers
University of Nottingham（诺丁汉大学）
以前的工作已经表明，采用基于免疫系统的独特型网络理论的架构的机器人导航系统比仅依赖于强化学习的控制技术具有优势。这被认为是独特型机器人的智能行为选择的结果。在本文中，试图模仿独特的动力学，通过创建控制器，使用钢筋与一些不同的概率方案来选择机器人的行为。其目的是表明，独特型系统不仅仅是执行某种周期性的随机行为选择，并试图进一步了解的过程，管理独特型机制。试验使用模拟先锋机器人进行导航练习。结果表明，一个计划，提高选择高排名的替代行为的概率为50%，在失速条件下最接近实现的独特型系统的属性，但仍然无法匹配它在所有方面的全面性能。
2010-06-18 cs.AI cs.NE cs.RO
Learning When to Drive in Intersections by Combining Reinforcement Learning and Model Predictive Control
Zenuity AB（泽纽蒂公司）；Chalmers University of Technology（查尔姆斯理工大学）；AI Innovation of Sweden（瑞典人工智能创新中心）
在本文中，我们提出了一个决策算法，旨在自动车辆谈判与其他可能的非自动车辆在十字路口。决策算法分为两个部分：基于强化学习的高层决策模块和基于模型预测控制的底层规划模块。交通模拟与许多预定义的驾驶员的行为和意图，和所提出的决策算法的性能进行了评估对另一个控制器。结果表明，所提出的决策算法产生更短的训练集和提高性能的成功率相比，其他控制器。
2019-08-01 cs.AI cs.LG cs.RO
Lookahead and Hybrid Sample Allocation Procedures for Multiple Attribute Selection Decisions
University of Maryland（马里兰大学）
属性提供决策者正在考虑的备选方案的关键信息。当它们的大小不确定时，决策者可能不确定哪种选择是真正最好的，因此测量属性可能有助于决策者做出更好的决策。本文考虑的设置中，每个测量产生一个样本的一个属性的一个替代品。当给定一个固定数量的样本收集，决策者必须确定哪些样本来获得，进行测量，更新有关属性大小的先验信念，然后选择一个替代方案。本文提出了多属性选择决策的样本分配问题，并提出了两个连续的，前瞻性的程序的情况下，离散分布模型的不确定属性的大小。这两个过程是相似的，但反映了不同的质量度量（和损失函数），这激发了不同的决策规则：（1）选择具有最大期望效用的替代方案，（2）选择最有可能成为真正最佳替代方案的替代方案。我们进行了模拟研究，以评估性能的顺序程序和混合程序，首先分配一些样本使用统一的分配程序，然后使用顺序，前瞻性的程序。结果表明，混合程序是有效的，分配许多（但不是所有）的初始样本的统一分配程序不仅减少了整体的计算工作量，但也选择了替代品，具有较低的平均机会成本，更经常是真正最好的。
2020-07-31 cs.AI econ.TH
S$^2$FS: Spatially-Aware Separability-Driven Feature Selection in Fuzzy Decision Systems
Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系）；School of Computer Science, Nanjing University（南京大学计算机科学学院）；School of Computer, Jiangsu University of Science and Technology（江苏科技大学计算机学院）
针对模糊决策系统中特征评价与学习目标脱节及距离缺乏方向性的问题，提出S²FS框架，融合标量距离与空间方向信息刻画类内紧致性和类间分离性，并以前向贪心选择特征。
2025-09-30 cs.AI cs.LG
(Un)certainty of (Un)fairness: Preference-Based Selection of Certainly Fair Decision-Makers
Heinrich Heine University（海因里希·海涅大学）
本文提出用贝叶斯统计量化公平性差异的不确定性，基于偏好和效用函数选择最确定公平的决策者，以增强歧视评估。
2024-09-19 cs.AI cs.LG
Mimicking the Behaviour of Idiotypic AIS Robot Controllers Using Probabilistic Systems
School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院）
以前的工作已经表明，采用基于免疫系统的独特型网络理论的架构的机器人导航系统比仅依赖于强化学习的控制技术具有优势。这被认为是独特型机器人的智能行为选择的结果。在本文中，试图模仿独特的动力学，通过创建控制器，使用钢筋与一些不同的概率方案来选择机器人的行为。其目的是表明，独特型系统不仅仅是执行某种周期性的随机行为选择，并试图进一步了解的过程，管理独特型机制。试验使用模拟先锋机器人进行导航练习。结果表明，一个计划，提高选择高排名的替代行为的概率为50%，在失速条件下最接近实现的独特型系统的属性，但仍然无法匹配它在所有方面的全面性能。
2010-03-22 cs.AI cs.NE cs.RO
A Decision Model for Decentralized Autonomous Organization Platform Selection: Three Industry Case Studies
Utrecht University（乌得勒支大学）；University of Amsterdam（阿姆斯特丹大学）；Lappeenranta University of Technology（拉彭兰塔理工大学）
去中心化自治组织作为一种新的在线治理形式，是部署在区块链平台上的智能合约的集合，可以为人群进行调解。越来越多的去中心化自治组织平台，如Aragon和Colony，已被引入市场，以促进此类组织的发展过程。选择最合适的平台对于组织来说是一个挑战，因为应该考虑大量的决策标准，例如流行度，开发人员可用性，治理问题以及这些平台的一致性文档。此外，组织中的决策者并不是每个领域的专家，因此他们必须不断地获取关于这些平台的易变知识并保持更新。因此，需要一个决策模型来分析决策标准，使用系统识别和评估开发项目的潜在替代解决方案。本文建立了一个理论框架来帮助软件工程师解决软件生产中的一系列多准则决策问题，并提出了一个多准则决策模型来解决分散自治组织平台选择问题。我们进行了三个行业的案例研究，在三个分散的自治组织的背景下，评估的有效性和效率的决策模型，在协助决策者。
2021-07-07 cs.AI cs.CR cs.CY
Accountability in Offline Reinforcement Learning: Explaining Decisions with a Corpus of Examples
University of Cambridge（剑桥大学）
本文提出可问责离线控制器AOC，以离线数据集为决策语料库并通过语料库子集选择示例来解释决策，在低数据和离线模仿场景下兼顾性能与问责制，并在医疗场景中验证了有效性。
2023-10-27 cs.AI cs.LG cs.RO
Expert Selection in High-Dimensional Markov Decision Processes
University of California, Berkeley（加州大学伯克利分校）
在这项工作中，我们提出了一个多臂的强盗框架，在马尔可夫决策过程中的在线专家选择，并证明其在高维设置中的使用。我们的方法需要一组候选专家的政策，并在它们之间切换，以快速确定最佳性能的专家使用经典的置信上限算法的变体，从而确保系统的整体性能低遗憾。这在应用程序中很有用，在这些应用程序中，可能有多个专家策略可用，并且需要在运行时为底层环境选择一个。
2020-10-26 cs.AI cs.LG cs.SY
Towards Selection as Power: Bounding Decision Authority in Autonomous Agents
AI Lab, Grupo Santander Madrid, Spain（AI实验室，西班牙 Grupo Santander 马德里）
本文提出一种治理架构，通过机械机制限制自主代理的选择权，以防止确定性结果并提升可审计性，重新定义治理为受限制的因果权力。
2026-02-16 cs.AI cs.CE cs.MA
Decision Transformer as a Foundation Model for Partially Observable Continuous Control
University of Illinois Urbana-Champaign (UIUC)（伊利诺伊大学厄巴纳-香槟分校）
本文提出以GPT初始化并用LoRA训练的Decision Transformer框架，将部分可观测控制转化为序列动作预测，在五类任务上展现零样本泛化和少样本超越专家的能力。
2024-04-03 cs.AI cs.LG cs.RO
dtControl 2.0: Explainable Strategy Representation via Decision Tree Learning Steered by Experts
Technical University of Munich（慕尼黑工业大学）；I.I.T. Delhi（印度理工学院德里校区）
最近的进展表明，决策树是如何适合于简洁地表示满足各种目标的策略（或控制器）的数据结构。此外，它们也使战略更容易解释。最近的工具dtControl为管道提供了支持混合系统策略合成的工具，如SCOTS和Uppaal Rupgo。我们提出了dtControl 2.0，一个新版本，具有几个基本的新颖功能。最重要的是，用户现在可以提供在决策树学习过程中要利用的领域知识，并且还可以基于动态提供的信息交互地引导该过程。为此，我们还提供了图形用户界面。它允许检查和重新计算结果的部分，建议以及接收关于谓词的建议，以及决策过程的可视化模拟。此外，我们接口的概率系统的模型检查器，即风暴和PRISM，并提供专门的支持分类枚举类型的状态变量。因此，控制器更容易解释，更小。
2021-05-04 cs.AI cs.FL cs.LG
