論文の概要: Completion-Aware Cross-Fidelity Offline-to-Online Reinforcement Learning for Multi-Line Bus Holding

• arxiv url: http://arxiv.org/abs/2609.39868v1
• Date: Wed, 30 Sep 2026 14:49:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:27.943308
• Title: Completion-Aware Cross-Fidelity Offline-to-Online Reinforcement Learning for Multi-Line Bus Holding
• Title（参考訳）: 複数ラインバス保持のための完全対応オフラインオフライン強化学習
• Abstract要約: 運行バス隊での探査強化学習(RL)は実践的ではなく、歴史的データのみから訓練された政策は新たな経験を得ることができない。 本研究は, 複数路線のバス保持におけるクロスフィデリティ問題について検討し, 不完全な乗客旅行と一般の乗客時間が共存する障害モードに対処する。
• 参考スコア（独自算出の注目度）: 18.73304763325634
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Exploratory reinforcement learning (RL) on an operating bus fleet is impractical,while policies trained only from historical data cannot acquire new experience. Hybrid Offline-and-Online (H2O) RL combines fixed target replay with simulator interaction, but the inexpensive online simulator can differ from the target in transition and event-duration dynamics. We study this cross-fidelity problem for multi-line bus holding and address a failure mode in which lower generalized passenger time coexists with incomplete passenger journeys.
• Abstract（参考訳）: 運行バス隊での探査強化学習(RL)は実践的ではなく、歴史的データのみから訓練された政策は新たな経験を得ることができない。 Hybrid Offline-and-Online (H2O) RLは、固定されたターゲットリプレイとシミュレータの相互作用を組み合わせるが、安価なオンラインシミュレータはトランジッションやイベントデューレーションのダイナミクスにおいてターゲットと異なる。 本研究は, 複数路線のバス保持におけるクロスフィデリティ問題について検討し, 不完全な乗客旅行と一般の乗客時間が共存する障害モードに対処する。

関連論文リスト

• UI-S1: Advancing GUI Automation via Semi-online Reinforcement Learning [78.86567400365392]
  オフライン軌道上でオンラインRLをシミュレートする新しいパラダイムであるセミオンライン強化学習を提案する。 長期トレーニング信号をキャプチャするために、Semi-online RLは報酬計算に割引先を返す。 実験の結果,Semi-online RLは4つの動的ベンチマークで7Bモデル間でSOTA性能を実現することがわかった。
  論文  参考訳（メタデータ） (2025-09-15T03:24:08Z)
• Benchmarks for Reinforcement Learning with Biased Offline Data and Imperfect Simulators [16.740841615738642]
  強化学習におけるオフラインデータと不完全なシミュレータを結合する4つの主な課題を概説する。 これらの課題には、シミュレータモデリングエラー、部分的な可観測性、状態と動作の相違、隠れたコンファウンディングが含まれる。 この結果から,今後の研究におけるベンチマークの必要性が示唆された。
  論文  参考訳（メタデータ） (2024-06-30T19:22:59Z)
• H2O+: An Improved Framework for Hybrid Offline-and-Online RL with Dynamics Gaps [30.590370256557012]
  我々はH2O+と呼ばれる新しいアルゴリズムを開発し、オフラインおよびオンライン学習の様々な選択肢を橋渡しする優れた柔軟性を提供します。 先進的なクロスドメインとオフラインのRLアルゴリズムよりも優れた性能と柔軟性を示す。
  論文  参考訳（メタデータ） (2023-09-22T08:58:22Z)
• ENOTO: Improving Offline-to-Online Reinforcement Learning with Q-Ensembles [52.34951901588738]
  我々はENsemble-based Offline-To-Online (ENOTO) RLという新しいフレームワークを提案する。 Q-networksの数を増やすことで、オフラインの事前トレーニングとオンラインの微調整を、パフォーマンスを低下させることなくシームレスに橋渡しします。 実験により,ENOTOは既存のオフラインRL手法のトレーニング安定性,学習効率,最終性能を大幅に向上できることが示された。
  論文  参考訳（メタデータ） (2023-06-12T05:10:10Z)
• Making Offline RL Online: Collaborative World Models for Offline Visual Reinforcement Learning [93.99377042564919]
  本稿では,潜在的利点の探索を妨げることなく,より柔軟な値推定制約を構築することを試みる。 鍵となるアイデアは、オフラインポリシの"テストベッド"として、オンライン形式で簡単に操作可能な、市販のRLシミュレータを活用することだ。 我々は、状態と報酬空間におけるドメイン間の差異を軽減するモデルベースのRLアプローチであるCoWorldを紹介する。
  論文  参考訳（メタデータ） (2023-05-24T15:45:35Z)
• When to Trust Your Simulator: Dynamics-Aware Hybrid Offline-and-Online Reinforcement Learning [36.891260045745774]
  本稿では,この問題に対する肯定的な回答を提供するために,Dynamics-Aware Hybrid Offline-and-Online Reinforcement Learning (H2O)フレームワークを提案する。 H2Oは動的に認識されたポリシー評価スキームを導入し、大きなダイナミックスギャップを持つシミュレーション状態-作用対上でQ関数学習を適応的にペナルティ化する。 我々は、他のドメイン間のオンラインおよびオフラインRLアルゴリズムに対してH2Oの優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-27T17:18:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。