BriefGPT - AI 论文速递
·
决策 ConvFormer: 元前馈中的局部过滤足以进行决策
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的离线强化学习方法——图决策Transformer（GDT），它将输入序列建模为因果图，以捕捉不同概念之间的潜在依赖关系。GDT在图形输入处理中使用图形Transformer，并在视觉任务中使用一个可选的序列Transformer来处理细粒度空间信息。实验表明，GDT在基于图像的Atari和OpenAI Gym上的性能可以与最先进的离线强化学习方法相媲美或超越。
🎯
关键要点
- 介绍了一种新的离线强化学习方法——图决策Transformer（GDT）
- GDT将输入序列建模为因果图，以捕捉不同概念之间的潜在依赖关系
- GDT在图形输入处理中使用图形Transformer
- 在视觉任务中使用可选的序列Transformer处理细粒度空间信息
- 实验表明，GDT在基于图像的Atari和OpenAI Gym上的性能与最先进的离线强化学习方法相媲美或超越
🏷️
标签
➡️
