Learning by Doing: Controlling a Dynamical System using Causality, Control, and Reinforcement Learning
干中学：结合因果、控制与强化学习操控动态系统AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确涉及因果结构可识别性，并利用观测和干预数据学习改变系统状态的控制。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
干中学：结合因果、控制与强化学习操控动态系统
- 研究问题
- 如何利用动态系统的观测与离线干预数据，学习能将系统推向目标状态的控制，并连接因果识别、控制和强化学习的视角？
- 方法与思路
- 作者介绍一项竞赛，设置初始单次干预的开环任务和逐期设定控制变量的闭环任务，要求参赛者从数据推断有效控制。
- 材料陈述的贡献
- 摘要称竞赛为三类研究视角的结合提供实践平台，并公开获胜方案的复现代码，支持在相同任务上尝试其他方法。
- 阅读关注点
- 应核对系统生成机制、可用干预数据与任务限制、控制效果的评价标准，以及获胜方案如何使用因果信息和控制反馈。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出获胜方法细节或成绩，公开代码与方法有效性也未在此核验。
原文摘要
Questions in causality, control, and reinforcement learning go beyond the classical machine learning task of prediction under i.i.d. observations. Instead, these fields consider the problem of learning how to actively perturb a system to achieve a certain effect on a response variable. Arguably, they have complementary views on the problem: In control, one usually aims to first identify the system by excitation strategies to then apply model-based design techniques to control the system. In (non-model-based) reinforcement learning, one directly optimizes a reward. In causality, one focus is on identifiability of causal structure. We believe that combining the different views might create synergies and this competition is meant as a first step toward such synergies. The participants had access to observational and (offline) interventional data generated by dynamical systems. Track CHEM considers an open-loop problem in which a single impulse at the beginning of the dynamics can be set, while Track ROBO considers a closed-loop problem in which control variables can be set at each time step. The goal in both tracks is to infer controls that drive the system to a desired state. Code is open-sourced ( https://github.com/LearningByDoingCompetition/learningbydoing-comp ) to reproduce the winning solutions of the competition and to facilitate trying out new methods on the competition tasks.