EPFL（洛桑联邦理工学院）

Lighthouse RL: Sample-Efficient Circuit Optimization via Strategic Reset Points

灯塔强化学习：通过策略性重置点实现样本高效的电路优化

Mustafa Emre Gürsoy, Stefan Uhlich, Ryoga Matsuo, Yağız Gençer, Arun Venkitaraman, Chia-Yu Hsieh, Andrea Bonetti, Eisaku Ohbuchi, Lorenzo Servadei

机构 * Sony Group Corporation（索尼集团公司） ； EPFL（洛桑联邦理工学院） ； Sony Semiconductor Solutions（索尼半导体解决方案公司） ； TU Munich（慕尼黑工业大学） 纠错

AI总结 研究针对模拟电路规模确定问题，提出灯塔强化学习方法，通过策略性重置策略，从高性能配置初始化情节引导探索，相比其他方法在样本效率、优化性能、通用性等方面显著提升，可增强基于强化学习的优化方法。

Pretraining in Actor-Critic Reinforcement Learning for Locomotion

在机器人运动强化学习中预训练Actor-Critic算法

Jiale Fan, Andrei Cramariuc, Tifanny Portela, Marco Hutter

机构 * Robotic Systems Lab, ETH Zürich（苏黎世联邦理工学院机器人系统实验室） ； Section of Microengineering, EPFL（日内瓦联邦理工学院微工程系） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） 纠错

AI总结 本研究提出了一种在机器人运动强化学习中预训练Actor-Critic算法的方法，通过预训练模型提升样本效率和任务性能。

Comments Published in IEEE Robotics and Automation Letters (RA-L)