University of Texas at Austin（得克萨斯大学奥斯汀分校）

Internal State-Based Policy Gradient Methods for Partially Observable Markov Potential Games

基于内部状态的策略梯度方法用于部分可观测马尔可夫势博弈

Wonseok Yang, Thinh T. Doan

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出基于内部状态的策略梯度方法，用于解决部分可观测马尔可夫势博弈中的多智能体强化学习问题，通过压缩累积信息以保证可扩展性，并建立非渐近收敛界。

Comments 6 pages, 2 figures. Submitted to IEEE Control Systems Letters (L-CSS) with CDC option

VLM-in-the-Loop: A Plug-In Quality Assurance Module for ECG Digitization Pipelines

VLM-in-the-Loop：一种用于心电图数字化流程的插件质量保证模块

Jiachen Li, Shihao Li, Soovadeep Bakshi, Wei Li, Dongmei Chen

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出VLM-in-the-Loop模块，通过闭环VLM反馈提升心电图数字化流程质量，显著提高判定一致性与保真度，适用于多种后端系统，实现高质量心电图数字化。

Behavioral Score Diffusion: Model-Free Trajectory Planning via Kernel-Based Score Estimation from Data

行为得分扩散：通过核基得分估计实现无模型轨迹规划

Shihao Li, Jiachen Li, Jiamin Xu, Dongmei Chen

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出行为得分扩散（BSD），通过核加权估计直接从轨迹数据中计算扩散得分函数，无需学习模型或动力学模型，在停车场景中实现高效轨迹规划。

GUIDE: Reinforcement Learning for Behavioral Action Support in Type 1 Diabetes

GUIDE：用于1型糖尿病行为动作支持的强化学习

Saman Khamesian, Sri Harini Balaji, Di Yang Shi, Stephanie M. Carpenter, Daniel E. Rivera, W. Bradley Knox, Peter Stone, Hassan Ghasemzadeh

机构 * College of Health Solutions, Arizona State University（亚利桑那州立大学健康解决方案学院） ； School of Computing and Augmented Intelligence, Arizona State University（亚利桑那州立大学计算与增强智能学院） ； School for Engineering of Matter Transport and Energy, Arizona State University（亚利桑那州立大学物质传输与能源工程学院） ； Institute for Foundation of Machine Learning, The University of Texas at Austin（德克萨斯大学奥斯汀分校机器学习基础研究所） ； Sony AI（索尼人工智能） 纠错

AI总结 GUIDE通过强化学习框架为1型糖尿病患者提供行为建议，结合实时血糖数据和离线在线算法，提升血糖控制效果，实现85.49%的时间在目标范围内。

A Player Selection Network for Scalable Game-Theoretic Prediction and Planning

一种用于可扩展博弈论预测与规划的玩家选择网络

Tianyu Qiu, Eric Ouano, Fernando Palafox, Christian Ellis, David Fridovich-Keil

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出PSN Game框架，通过学习玩家选择网络减少博弈规模，提升预测准确性和规划安全性，同时利用目标推断网络处理信息不完全场景。

Dense Dynamics-Aware Reward Synthesis: Integrating Prior Experience with Demonstrations

密集动态感知奖励合成：整合先验经验与演示

Cevahir Koprulu, Po-han Li, Tianyu Qiu, Ruihan Zhao, Tyler Westenbroek, David Fridovich-Keil, Sandeep Chinchali, Ufuk Topcu

机构 * University of Texas at Austin, USA（德克萨斯大学奥斯汀分校） ； University of Washington, USA（华盛顿大学） 纠错

AI总结 本文提出一种系统化的奖励塑造框架，结合先验数据集和少量专家演示，生成密集动态感知奖励，加速连续控制任务的学习。

Finite-Time Analysis of Projected Two-Time-Scale Stochastic Approximation

投影双时间尺度随机逼近的有限时间分析

Yitao Bai, Thinh T. Doan, Justin Romberg

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 本文研究了具有固定步长和Polyak-Ruppert平均的投影线性双时间尺度随机逼近的有限时间收敛性，推导出均方误差界，并将其分解为子空间约束误差和统计误差两部分。

Comments 6 pages, 3 figures

Generalizable Dense Reward for Long-Horizon Robotic Tasks

可泛化的密集奖励用于长周期机器人任务

Silong Yong, Stephen Sheng, Carl Qi, Xiaojie Wang, Evan Sheehan, Anurag Shivaprasad, Yaqi Xie, Katia Sycara, Yesh Dattatreya

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Amazon Robotics（亚马逊机器人） ； UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出VLLR框架，结合外部奖励和内部奖励提升长周期机器人任务性能，通过任务分解和自信心引导实现无需人工奖励工程的高效训练。

Comments Project page: https://silongyong.github.io/vllr_project_page/