基于模型的策略优化使用符号化世界模型

使用符号自动机的形式规范代替马尔可夫奖励，定义潜在奖励策略以提高强化学习的收敛性。

提出近似符号模型引导的强化学习方法，结合字符建模与底层措施，在不完整信息下发现任务结构。

通过基于模型的强化学习方法优化非可微控制器和基于规则的策略，取得良好的样本效率，特别是在摆臂机器人控制任务中表现优异。

提出基于策略梯度的策略优化框架，通过简化的一阶模型进行监督学习，设计精确控制策略。

使用修改的自然策略梯度算法成功将自主控制策略从虚拟系统转移到物理系统，证明多模型训练提高策略稳健性。

提出基于动作条件的预测模型学习算法，促进任务转移，在机器人操作任务中显著提升学习速度。

新算法SAGE结合符号性规划与神经网络，解决部分了解环境中的问题，在出租车环境和Minecraft等场景中表现优于其他方法。

介绍基于梯度的规划方法，利用可微的世界模型，展示与其他基于MPC和策略算法的比较性能。

通过世界模型估计真实环境，正则化策略更新以得到更健壮的控制器。

研究如何将成功的模拟控制策略推广到实际机器人，提出数据收集方法以学习深度逆动力学模型。