机构名称：
¥ 1.0
本文探讨了事件摄像机的潜力，使得能够连续加强学习。我们正式化了这个问题，其中使用连续的非同步观测流来为环境产生相应的输出动作流。缺乏同步可以极大地增强反应性。我们提出了一种在从标准RL环境中得出的事件流进行训练的方法，从而解决了建议的连续时间RL问题。CERIL算法使用直接在事件流上运行的专门网络层，而不是将事件汇总到量化的图像帧中。我们显示了事件流的优势，而不是频繁的RGB图像。所提出的系统优于通常在RL中使用的网络，即使在传统上无法解决的任务中也成功。使用事件流，我们还证明了与标准SNN基线相对于标准SNN基线的值。代码可从https：//gitlab.surrey.ac.uk/cw0071/ceril获得。
ceril：基于事件的连续增强学习
主要关键词
相关文件推荐
