ICML2020 180篇強化學習論文彙總
之前有人已經整理過ICML2020 RL相關Paper，但昨天無意間發現有篇針對評論家高估問題的論文，沒有被列出來，後面又無意間看了一篇和TRPO有關的似乎也遺漏了，所以就花了些精力看看自己整理整理論文，然後，發現大概有
180篇
，還是很多的。
這些論文根據自己的理解分了類（有可能有的分類有問題還請諒解，而且有接近一半還不太明確如何對它們分類比較合適。除此之外可能有的rl論文還是有遺漏，要麼有可能有的誤劃入rl之中，還望以後有大佬能夠進一步補充完善整理工作。。。）
很多論文arxiv上已經有了，相關論文連結暫時就不貼出來了，讀者可以自行搜尋。
主要分類如下：
一、Model（主要對應Model-based RL）
二、Bandits（賭博機有關，大多涉及探索利用問題）
三、Exploration（不包含上面賭博機中的）
四、Batch RL
五、Imitation Learning
六、Multi-Agent RL
七、Multi-Objective RL
八、Policy Gradient（這裡主要選的標題直接帶策略梯度的）
九、Off-Policy Evaluation（異策略太多了，有好多可能不能單從標題看出來，時間有限就把其中典型的一個分支——OPE拿出來，其他論文暫時放在Other裡面）
十、Application
十一、Other（其他的涵蓋各個方面，比如safe RL，HRL，多工RL，一些基礎理論等等，但是有的領域本人不是太熟，有的論文劃分感覺不明確，或者有的方面論文比較少等等，暫時就沒有進行劃分）
詳細列表如下：
一、Model
Active World Model Learning in Agent-rich Environments with Progress Curiosity
Kuno Kim （Stanford University） · Megumi Sano （Stanford University） · Julian De Freitas （Harvard University） · Nick Haber （Stanford University） · Daniel Yamins （Stanford University）
Goal-Aware Prediction: Learning to Model What Matters
Suraj Nair （Stanford University） · Silvio Savarese （Stanford University） · Chelsea Finn （Stanford）
A Game Theoretic Perspective on Model-Based Reinforcement Learning
Aravind Rajeswaran （University of Washington） · Igor Mordatch （OpenAI） · Vikash Kumar （Google）
Context-aware Dynamics Model for Generalization in Model-Based Reinforcement Learning
Kimin Lee （UC Berkeley） · Younggyo Seo （KAIST） · Seunghyun Lee （KAIST） · Honglak Lee （Google / U。 Michigan） · Jinwoo Shin （KAIST）
A Markov Decision Process Model for Socio-Economic Systems Impacted by Climate Change
Salman Sadiq Shuvo （University of South Florida） · Yasin Yilmaz （University of South Florida） · Alan Bush （University of South Florida） · Mark Hafen （University of South Florida）
Inverse Active Sensing: Modeling and Understanding Timely Decision-Making
Daniel Jarrett （University of Cambridge） · Mihaela van der Schaar （University of Cambridge）
Learning and Simulation in Generative Structured World Models
Zhixuan Lin （Zhejiang University） · Yi-Fu Wu （Rutgers University） · Skand Peri （Rutgers University， New Jersey） · Bofeng Fu （Tianjin University） · Jindong Jiang （Rutgers University） · Sungjin Ahn （Rutgers University）
Provably Efficient Model-based Policy Adaptation
Yuda Song （University of California， San Diego） · Aditi Mavalankar （University of California San Diego） · Wen Sun （Microsoft Research） · Sicun Gao （University of California， San Diego）
Selective Dyna-style Planning Under Limited Model Capacity
Muhammad Zaheer （University of Alberta） · Samuel Sokota （University of Alberta） · Erin Talvitie （） · Martha White （University of Alberta）
Model-Based Reinforcement Learning with Value-Targeted Regression
Zeyu Jia （Peking University） · Lin Yang （UCLA） · Csaba Szepesvari （DeepMind/University of Alberta） · Mengdi Wang （Princeton University） · Alex Ayoub （University of Alberta）
Bidirectional Model-based Policy Optimization
Hang Lai （Shanghai Jiao Tong University） · Jian Shen （Shanghai Jiao Tong University） · Weinan Zhang （Shanghai Jiao Tong University） · Yong Yu （Shanghai Jiao Tong University）
Hallucinative Topological Memory for Zero-Shot Visual Planning
Thanard Kurutach （UC Berkeley） · Kara Liu （UC Berkeley） · Aviv Tamar （Technion） · Pieter Abbeel （UC Berkeley） · Christine Tung （UC Berkeley）
二、Bandits
My Fair Bandit: Distributed Learning of Max-Min Fairness with Multi-player Bandits
Ilai Bistritz （Stanford University） · Tavor Z Baharav （Stanford University） · Amir Leshem （Bar-Ilan University） · Nicholas Bambos （）
Improved Sleeping Bandits with Stochastic Action Sets and Adversarial Rewards
Aadirupa Saha （Indian Institute of Science （IISc）， Bangalore） · Pierre Gaillard （） · Michal Valko （DeepMind）
Multinomial Logit Bandit with Low Switching Cost
Kefan Dong （Tsinghua University） · Yingkai Li （Northwestern University） · Qin Zhang （Indiana University Bloomington） · Yuan Zhou （UIUC）
Optimistic Policy Optimization with Bandit Feedback
Lior Shani （Technion） · Yonathan Efroni （Technion） · Aviv Rosenberg （Tel Aviv University） · Shie Mannor （Technion）
Learning Adversarial Markov Decision Processes with Bandit Feedback and Unknown Transition
Chi Jin （Princeton University） · Tiancheng Jin （University of Southern California） · Haipeng Luo （University of Southern California） · Suvrit Sra （MIT） · Tiancheng Yu （MIT ）
Thompson Sampling Algorithms for Mean-Variance Bandits
Qiuyu Zhu （National University of Singapore） · Vincent Tan （National University of Singapore）
Beyond UCB: Optimal and Efficient Contextual Bandits with Regression Oracles
Dylan Foster （MIT） · Alexander Rakhlin （MIT）
Exploration Through Bias: Revisiting Biased Maximum Likelihood Estimation in Stochastic Multi-Armed Bandits
Xi Liu （Texas A&M University） · Ping-Chun Hsieh （National Chiao Tung University） · Yu Heng Hung （National Chiao Tung University） · Anirban Bhattacharya （Texas A&M University） · P。 Kumar （Texas A&M University）
Non-Stationary Bandits with Intermediate Observations
Claire Vernade （DeepMind） · Andras Gyorgy （DeepMind） · Timothy Mann （DeepMind）
Linear bandits with Stochastic Delayed Feedback
Claire Vernade （DeepMind） · Alexandra Carpentier （Otto-von-Guericke University） · Tor Lattimore （DeepMind） · Giovanni Zappella （Amazon） · Beyza Ermis （Amazon Research） · Michael Brueckner （Amazon Research Berlin）
Improved Optimistic Algorithms for Logistic Bandits
Louis Faury （Criteo） · Marc Abeille （Criteo） · Clement Calauzenes （Criteo） · Olivier Fercoq （Telecom Paris）
Neural Contextual Bandits with UCB-based Exploration
Dongruo Zhou （UCLA） · Lihong Li （Google Research） · Quanquan Gu （University of California， Los Angeles）
Distributionally Robust Policy Evaluation and Learning in Offline Contextual Bandits
Nian Si （Stanford University） · Fan Zhang （Stanford University） · Zhengyuan Zhou （Stanford University） · Jose Blanchet （Stanford University）
Reinforcement Learning in Feature Space: Matrix Bandit, Kernels, and Regret Bound
Lin Yang （UCLA） · Mengdi Wang （Princeton University）
Combinatorial Pure Exploration for Dueling Bandit
Wei Chen （Microsoft） · Yihan Du （IIIS， Tsinghua University） · Longbo Huang （Tsinghua University） · Haoyu Zhao （Tsinghua University）
The Intrinsic Robustness of Stochastic Bandits to Strategic Manipulation
Zhe Feng （Harvard University） · David Parkes （Harvard University） · Haifeng Xu （University of Virginia）
Structured Linear Contextual Bandits: A Sharp and Geometric Smoothed Analysis
Vidyashankar Sivakumar （Walmart Labs） · Steven Wu （University of Minnesota） · Arindam Banerjee （University of Minnesota）
Gamification of Pure Exploration for Linear Bandits
Rémy Degenne （Inria） · Pierre Menard （Inria） · Xuedong Shang （Inria） · Michal Valko （DeepMind）
Structure Adaptive Algorithms for Stochastic Bandits
Rémy Degenne （Inria） · Han Shao （Toyota Technological Institute at Chicago） · Wouter Koolen （Centrum Wiskunde & Informatica， Amsterdam）
Meta-learning with Stochastic Linear Bandits
Leonardo Cella （University of Milan） · Alessandro Lazaric （Facebook AI Research） · Massimiliano Pontil （Istituto Italiano di Tecnologia and University College London）
Learning with Good Feature Representations in Bandits and in RL with a Generative Model
Gellért Weisz （DeepMind） · Tor Lattimore （DeepMind） · Csaba Szepesvari （DeepMind/University of Alberta）
On conditional versus marginal bias in multi-armed bandits
Jaehyeok Shin （Carnegie Mellon University） · Aaditya Ramdas （Carnegie Mellon University） · Alessandro Rinaldo （Carnegie Mellon University）
Bandits for BMO Functions
Tianyu Wang （Duke University） · Cynthia Rudin （Duke）
三、Exploration
Naive Exploration is Optimal for Online LQR
Max Simchowitz （UC Berkeley） · Dylan Foster （MIT）
Implicit Generative Modeling for Efficient Exploration
Neale Ratzlaff （Oregon State University） · Qinxun Bai （Horizon Robotics） · Fuxin Li （Oregon State University） · Wei Xu （Horizon Robotics）
No-Regret Exploration in Goal-Oriented Reinforcement Learning
Jean Tarbouriech （Facebook AI Research Paris & Inria Lille） · Evrard Garcelon （Facebook AI Research ） · Michal Valko （DeepMind） · Matteo Pirotta （Facebook AI Research） · Alessandro Lazaric （Facebook AI Research）
Provably Efficient Exploration in Policy Optimization
Qi Cai （Northwestern University） · Zhuoran Yang （Princeton University） · Chi Jin （Princeton University） · Zhaoran Wang （Northwestern U）
Reward-Free Exploration for Reinforcement Learning
Chi Jin （Princeton University） · Akshay Krishnamurthy （Microsoft Research） · Max Simchowitz （UC Berkeley） · Tiancheng Yu （MIT ）
Efficient Optimistic Exploration in Linear-Quadratic Regulators via Lagrangian Relaxation
Marc Abeille （Criteo） · Alessandro Lazaric （Facebook AI Research）
Tightening Exploration in Upper Confidence Reinforcement Learning
Hippolyte Bourel （ENS Rennes） · Odalric-Ambrym Maillard （Inria Lille - Nord Europe） · Mohammad Sadegh Talebi （University of Copenhagen）
Maximum Entropy Gain Exploration for Long Horizon Multi-goal Reinforcement Learning
Silviu Pitis （University of Toronto） · Harris Chan （University of Toronto， Vector Institute） · Stephen Zhao （University of Toronto） · Bradly Stadie （Vector Institute） · Jimmy Ba （University of Toronto）
Flexible and Efficient Long-Range Planning Through Curious Exploration
Aidan Curtis （Rice University） · Minjian Xin （Shanghai Jiao Tong University） · Dilip Arumugam （Stanford University） · Kevin Feigelis （Stanford University） · Daniel Yamins （Stanford University）
Planning to Explore via Latent Disagreement
Ramanan Sekar （University of Pennsylvania） · Oleh Rybkin （University of Pennsylvania / UC Berkeley （Visiting）） · Kostas Daniilidis （University of Pennsylvania） · Pieter Abbeel （UC Berkeley & Covariant） · Danijar Hafner （Google Brain & University of Toronto） · Deepak Pathak （UC Berkeley）
On Thompson Sampling with Langevin Algorithms
Eric Mazumdar （University of California Berkeley） · Aldo Pacchiano （UC Berkeley） · Yian Ma （Google） · Michael Jordan （UC Berkeley） · Peter Bartlett （UC Berkeley）
Thompson Sampling via Local Uncertainty
Zhendong Wang （University of Texas， Austin） · Mingyuan Zhou （University of Texas at Austin）
What Can Learned Intrinsic Rewards Capture?
Zeyu Zheng （University of Michigan） · Junhyuk Oh （DeepMind） · Matteo Hessel （Deep Mind） · Zhongwen Xu （DeepMind） · Manuel Kroiss （DeepMind） · Hado van Hasselt （DeepMind） · David Silver （Google DeepMind） · Satinder Singh （DeepMind）
Learning Near Optimal Policies with Low Inherent Bellman Error
Andrea Zanette （Stanford University） · Alessandro Lazaric （Facebook AI Research） · Mykel Kochenderfer （Stanford University） · Emma Brunskill （Stanford University）
四、Batch RL
GradientDICE: Rethinking Generalized Offline Estimation of Stationary Values
Shangtong Zhang （University of Oxford） · Bo Liu （Auburn University） · Shimon Whiteson （University of Oxford）
An Optimistic Perspective on Offline Deep Reinforcement Learning
Rishabh Agarwal （Google Research， Brain Team） · Dale Schuurmans （Google / University of Alberta） · Mohammad Norouzi （Google Brain）
Control Frequency Adaptation via Action Persistence in Batch Reinforcement Learning
Alberto Maria Metelli （Politecnico di Milano） · Flavio Mazzolini （Politecnico di Milano） · Lorenzo Bisi （Politecnico di Milano） · Luca Sabbioni （Politecnico di Milano） · Marcello Restelli （Politecnico di Milano）
Reducing Sampling Error in Batch Temporal Difference Learning
Brahma Pavse （University of Texas at Austin） · Ishan Durugkar （University of Texas at Austin） · Josiah Hanna （ University of Edinburgh） · Peter Stone （University of Texas at Austin）
Batch Reinforcement Learning with Hyperparameter Gradients
Byung-Jun Lee （KAIST） · Jongmin Lee （KAIST） · Peter Vrancx （
http：//
PROWLER。io
） · Dongho Kim （
http：//
Prowler。io
） · Kee-Eung Kim （KAIST）
五、Imitation Learning
Variational Imitation Learning with Diverse-quality Demonstrations
Voot Tangkaratt （RIKEN AIP） · Bo Han （HKBU / RIKEN） · Mohammad Emtiyaz Khan （RIKEN） · Masashi Sugiyama （RIKEN / The University of Tokyo）
Domain Adaptive Imitation Learning
Kuno Kim （Stanford University） · Yihong Gu （Tsinghua University） · Jiaming Song （Stanford） · Shengjia Zhao （Stanford University） · Stefano Ermon （Stanford University）
An Imitation Learning Approach for Cache Replacement
Evan Liu （Google） · Milad Hashemi （Google） · Kevin Swersky （Google Brain） · Parthasarathy Ranganathan （Google， USA） · Junwhan Ahn （Google）
Generative Adversarial Imitation Learning with Neural Network Parameterization: Global Optimality and Convergence Rate
Yufeng Zhang （Northwestern University） · Qi Cai （Northwestern University） · Zhuoran Yang （Princeton University） · Zhaoran Wang （Northwestern U）
Intrinsic Reward Driven Imitation Learning via Generative Model
Xingrui Yu （University of Technology Sydney） · Yueming LYU （University of Technology Sydney） · Ivor Tsang （University of Technology Sydney）
Provable Representation Learning for Imitation Learning via Bi-level Optimization
Sanjeev Arora （ Princeton University and Institute for Advanced Study） · Simon Du （Institute for Advanced Study） · Sham Kakade （University of Washington） · Yuping Luo （Princeton University） · Nikunj Umesh Saunshi （Princeton University）
Safe Imitation Learning via Fast Bayesian Reward Inference from Preferences
Daniel Brown （University of Texas at Austin） · Scott Niekum （University of Texas at Austin） · Russell Coleman （University of Texas at Austin） · Ravi Srinivasan （University of Texas at Austin）
六、Multi-Agent RL
Kernel Methods for Cooperative Multi-Agent Learning with Delays
Abhimanyu Dubey （Massachusetts Institute of Technology） · Alex `Sandy‘ Pentland （MIT）
Robust Multi-Agent Decision-Making with Heavy-Tailed Payoffs
Abhimanyu Dubey （Massachusetts Institute of Technology） · Alex `Sandy’ Pentland （MIT）
Multi-Agent Determinantal Q-Learning
Yaodong Yang （Huawei Technology R&D UK） · Ying Wen （UCL） · Jun Wang （UCL） · Liheng Chen （Shanghai Jiao Tong University） · Kun Shao （Huawei Noah‘s Ark Lab） · David Mguni （Noah’s Ark Laboratory， Huawei） · Weinan Zhang （Shanghai Jiao Tong University）
Learning Efficient Multi-agent Communication: An Information Bottleneck Approach
Rundong Wang （Nanyang Technological University） · Xu He （Nanyang Technological University） · Runsheng Yu （Nanyang Technological University） · Wei Qiu （Nanyang Technological University） · Bo An （Nanyang Technological University） · Zinovi Rabinovich （Nanyang Technological University）
Optimizing Multiagent Cooperation via Policy Evolution and Shared Experiences
Somdeb Majumdar （Intel AI Lab） · Shauharda Khadka （Intel AI） · Santiago Miret （Intel AI Products Group） · Stephen Mcaleer （UC Irvine） · Kagan Tumer （Oregon State University US）
ROMA: Multi-Agent Reinforcement Learning with Emergent Roles
Tonghan Wang （Tsinghua University） · Heng Dong （Tsinghua） · Victor Lesser （UMASS） · Chongjie Zhang （Tsinghua University）
OPtions as REsponses: Grounding behavioural hierarchies in multi-agent reinforcement learning
Alexander Vezhnevets （DeepMind） · Yuhuai Wu （University of Toronto） · Maria Eckstein （UC Berkeley） · Rémi Leblond （DeepMind） · Joel Z Leibo （DeepMind）
Multi-Agent Routing Value Iteration Network
Quinlan Sykora （Uber ATG） · Mengye Ren （Uber ATG / University of Toronto） · Raquel Urtasun （Uber ATG）
Q-value Path Decomposition for Deep Multiagent Reinforcement Learning
Yaodong Yang （Tianjin University） · Jianye Hao （Tianjin University） · Guangyong Chen （Tencent） · Hongyao Tang （Tianjin University） · Yingfeng Chen （NetEase Fuxi AI Lab） · Yujing Hu （NetEase Fuxi AI Lab） · Changjie Fan （Netease） · Zhongyu Wei （Fudan University）
Finite-Time Last-Iterate Convergence for Multi-Agent Learning in Games
Tianyi Lin （UC Berkeley） · Zhengyuan Zhou （Stanford University） · Panayotis Mertikopoulos （CNRS） · Michael Jordan （UC Berkeley）
“Other-Play” for Zero-Shot Coordination
Hengyuan Hu （FAIR） · Alexander Peysakhovich （Facebook） · Adam Lerer （Facebook AI Research） · Jakob Foerster （Facebook AI Research）
Asynchronous Coagent Networks
James Kostas （University of Massachusetts Amherst） · Chris Nota （University of Massachusetts Amherst） · Philip Thomas （University of Massachusetts Amherst）
Extra-gradient with player sampling for faster convergence in n-player games
Samy Jelassi （Princeton University） · Carles Domingo-Enrich （NYU） · Damien Scieur （Samsung - SAIT AI Lab， Montreal） · Arthur Mensch （ENS） · Joan Bruna （New York University）
Optimally Solving Two-Agent Decentralized POMDPs Under One-Sided Information Sharing
Yuxuan Xie （INSA de Lyon） · Jilles Dibangoye （INSA Lyon， INRIA） · Olivier Buffet （INRIA - LORIA）
七、Multi-Objective RL
Learning Fair Policies in Multi-Objective (Deep) Reinforcement Learning with Average and Discounted Rewards
Umer Siddique （Shanghai Jiao Tong University） · Paul Weng （Shanghai Jiao Tong University） · Matthieu Zimmer （UM-SJTU JI）
Prediction-Guided Multi-Objective Reinforcement Learning for Continuous Robot Control
Jie Xu （Massachusetts Institute of Technology） · Yunsheng Tian （Massachusetts Institute of Technology） · Pingchuan Ma （MIT） · Daniela Rus （MIT CSAIL） · Shinjiro Sueda （Texas A&M University） · Wojciech Matusik （MIT）
A distributional view on multi objective policy optimization
Abbas Abdolmaleki （Google DeepMind） · Sandy Huang （DeepMind） · Leonard Hasenclever （DeepMind） · Michael Neunert （Google DeepMind） · Martina Zambelli （DeepMind） · Murilo Martins （DeepMind） · Francis Song （DeepMind） · Nicolas Heess （DeepMind） · Raia Hadsell （DeepMind） · Martin Riedmiller （DeepMind）
八、Policy Gradient
From Importance Sampling to Doubly Robust Policy Gradient
Jiawei Huang （University of Illinois at Urbana-Champaign） · Nan Jiang （University of Illinois at Urbana-Champaign）
Statistically Efficient Off-Policy Policy Gradients
Nathan Kallus （Cornell University） · Masatoshi Uehara （Harvard University）
Momentum-Based Policy Gradient Methods
Feihu Huang （University of Pittsburgh） · Shangqian Gao （University of Pittsburgh） · Jian Pei （Simon Fraser University） · Heng Huang （University of Pittsburgh & JD Finance America Corporation）
On the Global Convergence Rates of Softmax Policy Gradient Methods
Jincheng Mei （Google / University of Alberta） · Chenjun Xiao （Google / University of Alberta） · Csaba Szepesvari （DeepMind/University of Alberta） · Dale Schuurmans （University of Alberta）
九、Off-Policy Evaluation
Batch Stationary Distribution Estimation
Junfeng Wen （University of Alberta） · Bo Dai （Google Brain） · Lihong Li （Google Research） · Dale Schuurmans （University of Alberta）
Minimax Weight and Q-Function Learning for Off-Policy Evaluation
Masatoshi Uehara （Harvard University） · Jiawei Huang （University of Illinois at Urbana-Champaign） · Nan Jiang （University of Illinois at Urbana-Champaign）
Understanding the Curse of Horizon in Off-Policy Evaluation via Conditional Importance Sampling
Yao Liu （Stanford University） · Pierre-Luc Bacon （Stanford University） · Emma Brunskill （Stanford University）
Double Reinforcement Learning for Efficient and Robust Off-Policy Evaluation
Nathan Kallus （Cornell University） · Masatoshi Uehara （Harvard University）
Adaptive Estimator Selection for Off-Policy Evaluation
Yi Su （Cornell University） · Pavithra Srinath （Microsoft Research） · Akshay Krishnamurthy （Microsoft Research）
Doubly robust off-policy evaluation with shrinkage
Yi Su （Cornell University） · Maria Dimakopoulou （Stanford University） · Akshay Krishnamurthy （Microsoft Research） · Miroslav Dudik （Microsoft Research）
Minimax-Optimal Off-Policy Evaluation with Linear Function Approximation
Yaqi Duan （Princeton University） · Zeyu Jia （Peking University） · Mengdi Wang （Princeton University）
Accountable Off-Policy Evaluation via a Kernelized Bellman Statistics
Yihao Feng （The University of Texas at Austin） · Tongzheng Ren （UT Austin） · Ziyang Tang （University of Texas at Austin） · Qiang Liu （UT Austin）
Interpretable Off-Policy Evaluation in Reinforcement Learning by Highlighting Influential Transitions
Omer Gottesman （Harvard University） · Joseph Futoma （Harvard University） · Yao Liu （Stanford University） · Sonali Parbhoo （Harvard University） · Leo Celi （MIT） · Emma Brunskill （Stanford University） · Finale Doshi-Velez （Harvard University）
十、Application
Description Based Text Classification with Reinforcement Learning
Wei Wu （Shannon。AI） · Duo Chai （Shannon。AI） · Qinghong Han （Shannon。AI） · Fei Wu （Zhejiang University， China） · Jiwei Li （Shannon。AI）
Reinforcement Learning for Molecular Design Guided by Quantum Mechanics
Gregor Simm （Cambridge University） · Robert Pinsler （University of Cambridge） · Jose Hernandez-Lobato （University of Cambridge）
Entropy Minimization In Emergent Languages
Evgeny Kharitonov （FAIR） · Rahma Chaabouni （Facebook/ENS/INRIA） · Diane Bouchacourt （Facebook AI） · Marco Baroni （Facebook Artificial Intelligence Research）
Adaptive Droplet Routing in Digital Microfluidic Biochips Using Deep Reinforcement Learning
Tung-Che Liang （Duke University） · Zhanwei Zhong （Duke University） · Yaas Bigdeli （Duke Univsersity） · Tsung-Yi Ho （National Tsing Hua University） · Richard Fair （Duke University） · Krishnendu Chakrabarty （Duke University）
Student-Teacher Curriculum Learning via Reinforcement Learning: Predicting Hospital Inpatient Admission Location
Rasheed El-Bouri （University of Oxford） · David Eyre （University of Oxford） · Peter Watkinson （Oxford University Hospitals NHS Foundation Trust） · Tingting Zhu （University of Oxford） · David Clifton （University of Oxford）
Learning to Navigate in Synthetically Accessible Chemical Space Using Reinforcement Learning
Sai Krishna Gottipati （99andBeyond） · Boris Sattarov （99andBeyond） · Sufeng Niu （Linkedin） · Haoran Wei （University of Delaware） · Yashaswi Pathak （International Institute of Information Technology，Hyderabad） · Shengchao Liu （MILA-UdeM） · Shengchao Liu （Mila， Université de Montréal） · Simon Blackburn （Mila） · Karam Thomas （99andBeyond） · Connor Coley （MIT） · Jian Tang （HEC Montreal & MILA） · Sarath Chandar （Mila / École Polytechnique de Montréal） · Yoshua Bengio （Mila / U。 Montreal）
十一、Other
Generalization to New Actions in Reinforcement Learning
Ayush Jain （University of Southern California） · Andrew Szot （University of Southern California） · Joseph Lim （Univ。 of Southern California）
Generalized Neural Policies for Relational MDPs
Sankalp Garg （Indian Institute of Technology Delhi） · Aniket Bajpai （Indian Institute of Technology， Delhi） · Mausam （IIT Delhi）
Clinician-in-the-Loop Decision Making: Reinforcement Learning with Near-Optimal Set-Valued Policies
Shengpu Tang （University of Michigan） · Aditya Modi （University of Michigan） · Michael Sjoding （University of Michigan） · Jenna Wiens （University of Michigan）
Learning the Valuations of a k-demand Agent
Hanrui Zhang （Duke University） · Vincent Conitzer （Duke）
Provably Convergent Two-Timescale Off-Policy Actor-Critic with Function Approximation
Shangtong Zhang （University of Oxford） · Bo Liu （Auburn University） · Hengshuai Yao （Huawei Technologies） · Shimon Whiteson （University of Oxford）
Learning Human Objectives by Evaluating Hypothetical Behavior
Siddharth Reddy （University of California， Berkeley） · EECS Anca Dragan （EECS Department， University of California， Berkeley） · Sergey Levine （UC Berkeley） · Shane Legg （DeepMind） · Jan Leike （DeepMind）
Optimizing Data Usage via Differentiable Rewards
Xinyi Wang （Carnegie Mellon University） · Hieu Pham （Carnegie Mellon University） · Paul Michel （Carnegie Mellon University） · Antonios Anastasopoulos （Carnegie Mellon University） · Jaime Carbonell （Carnegie Mellon University） · Graham Neubig （Carnegie Mellon University）
Taylor Expansion Policy Optimization
Yunhao Tang （Columbia University） · Michal Valko （DeepMind） · Remi Munos （DeepMind）
Reinforcement Learning for Integer Programming: Learning to Cut
Yunhao Tang （Columbia University） · Shipra Agrawal （Columbia University） · Yuri Faenza （Columbia University）
Safe Reinforcement Learning in Constrained Markov Decision Processes
Akifumi Wachi （IBM Research AI） · Yanan Sui （Tsinghua University）
Off-Policy Actor-Critic with Shared Experience Replay
Simon Schmitt （DeepMind） · Matteo Hessel （Deep Mind） · Karen Simonyan （DeepMind）
Policy Teaching via Environment Poisoning: Training-time Adversarial Attacks against Reinforcement Learning
Amin Rakhsha （MPI-SWS） · Goran Radanovic （Max Planck Institute for Software Systems） · Rati Devidze （Max Planck Institute for Software Systems） · Jerry Zhu （University of Wisconsin-Madison） · Adish Singla （Max Planck Institute （MPI-SWS））
Does the Markov Decision Process Fit the Data: Testing for the Markov Property in Sequential Decision Making
Chengchun Shi （London School of Economics and Political Science） · Runzhe Wan （North Carolina State University） · Rui Song （） · Wenbin Lu （） · Ling Leng （Amazon）
ConQUR: Mitigating Delusional Bias in Deep Q-Learning
DiJia Su （Princeton University） · Jayden Ooi （Google） · Tyler Lu （Google） · Dale Schuurmans （Google / University of Alberta） · Craig Boutilier （Google）
Self-Attentive Associative Memory
Hung Le （Deakin University） · Truyen Tran （Deakin University） · Svetha Venkatesh （Deakin University）
Striving for simplicity and performance in off-policy DRL: Output Normalization and Non-Uniform Sampling
Che Wang （New York University） · Yanqiu Wu （New York University） · Quan Vuong （University of California San Diego） · Keith Ross （New York University Shanghai）
Low-Variance and Zero-Variance Baselines for Extensive-Form Games
Trevor Davis （University of Alberta） · Martin Schmid （DeepMind） · Michael Bowling （DeepMind）
Explore, Discover and Learn: Unsupervised Discovery of State-Covering Skills
Victor Campos （Barcelona Supercomputing Center） · Alexander Trott （Salesforce Research） · Caiming Xiong （Salesforce） · Richard Socher （Salesforce） · Xavier Giro-i-Nieto （Universitat Politecnica de Catalunya） · Jordi Torres （Barcelona Supercomputing Center）
Discount Factor as a Regularizer in Reinforcement Learning
Ron Amit （Technion – Israel Institute of Technology） · Kamil Ciosek （Microsoft） · Ron Meir （Technion Israeli Institute of Technology）
Breaking the Curse of Many Agents: Provable Mean Embedding Q-Iteration for Mean-Field Reinforcement Learning
Lingxiao Wang （Northwestern University） · Zhuoran Yang （Princeton University） · Zhaoran Wang （Northwestern U）
Gradient Temporal-Difference Learning with Regularized Corrections
Sina Ghiassian （University of Alberta） · Andrew Patterson （University of Alberta） · Shivam Garg （University of alberta） · Dhawal Gutpa （University of Alberta） · Adam White （University of Alberta） · Martha White （University of Alberta）
A Finite-Time Analysis of Q-Learning with Neural Network Function Approximation
Pan Xu （University of California， Los Angeles） · Quanquan Gu （University of California， Los Angeles）
Information Particle Filter Tree: An Online Algorithm for POMDPs with Belief-Based Rewards on Continuous Domains
Johannes Fischer （Karlsruhe Institute of Technology （KIT）） · Ömer Sahin Tas （Karlsruhe Institute of Technology （KIT））
Learning Portable Representations for High-Level Planning
Steven James （University of the Witwatersrand） · Benjamin Rosman （University of the Witwatersrand / CSIR， South Africa） · George Konidaris （Brown）
The Natural Lottery Ticket Winner: Reinforcement Learning with Ordinary Neural Circuits
Ramin Hasani （TU Wien） · Mathias Lechner （IST Austria） · Alexander Amini （MIT） · Daniela Rus （MIT CSAIL） · Radu Grosu （TU Wien）
Reinforcement Learning with Differential Privacy
Giuseppe Vietri （University of Minnesota） · Borja de Balle Pigem （Amazon Research） · Steven Wu （University of Minnesota） · Akshay Krishnamurthy （Microsoft Research）
Growing Action Spaces
Gregory Farquhar （University of Oxford） · Laura Gustafson （Facebook AI Research） · Zeming Lin （Facebook AI Reseach） · Shimon Whiteson （Oxford University） · Nicolas Usunier （Facebook AI Research） · Gabriel Synnaeve （Facebook AI Research）
Responsive Safety in Reinforcement Learning
Adam Stooke （UC Berkeley） · Joshua Achiam （OpenAI） · Pieter Abbeel （UC Berkeley & Covariant）
Stabilizing Transformers for Reinforcement Learning
Emilio Parisotto （Carnegie Mellon University） · Francis Song （DeepMind） · Jack Rae （DeepMind） · Razvan Pascanu （DeepMind） · Caglar Gulcehre （DeepMind） · Siddhant Jayakumar （DeepMind） · Max Jaderberg （DeepMind） · Raphael Lopez Kaufman （Deepmind） · Aidan Clark （DeepMind） · Seb Noury （DeepMind） · Matthew Botvinick （DeepMind） · Nicolas Heess （DeepMind） · Raia Hadsell （DeepMind）
Learning to Score Behaviors for Guided Policy Optimization
Aldo Pacchiano （UC Berkeley） · Jack Parker-Holder （University of Oxford） · Yunhao Tang （Columbia University） · Krzysztof Choromanski （Google） · Anna Choromanska （NYU Tandon School of Engineering） · Michael Jordan （UC Berkeley）
Efficient Policy Learning from Surrogate-Loss Classification Reductions
Andrew Bennett （Cornell University） · Nathan Kallus （Cornell University）
Constrained Markov Decision Processes via Backward Value Functions
Harsh Satija （McGill University） · Philip Amortila （McGill University） · Joelle Pineau （McGill University / Facebook）
Learning Calibratable Policies using Programmatic Style-Consistency
Eric Zhan （California Institute of Technology） · Albert Tseng （Caltech） · Yisong Yue （Caltech） · Adith Swaminathan （Microsoft Research） · Matthew Hausknecht （Microsoft Research）
Learning Robot Skills with Temporal Variational Inference
Tanmay Shankar （Facebook AI Research） · Abhinav Gupta （Carnegie Mellon University）
Leveraging Procedural Generation to Benchmark Reinforcement Learning
Karl Cobbe （OpenAI） · Chris Hesse （OpenAI） · Jacob Hilton （OpenAI） · John Schulman （OpenAI）
What can I do here? A Theory of Affordances in Reinforcement Learning
Khimya Khetarpal （McGill University， Mila Montreal） · Zafarali Ahmed （DeepMind） · Gheorghe Comanici （DeepMind） · David Abel （Brown University） · Doina Precup （DeepMind）
Data Valuation using Reinforcement Learning
Jinsung Yoon （Google） · Sercan O。 Arik （Google） · Tomas Pfister （Google）
Designing Optimal Dynamic Treatment Regimes: A Causal Reinforcement Learning Approach
Junzhe Zhang （Columbia University）
Lookahead-Bounded Q-learning
Ibrahim El Shar （University of Pittsburgh） · Daniel Jiang （University of Pittsburgh）
Evaluating the Performance of Reinforcement Learning Algorithms
Scott Jordan （University of Massachusetts Amherst） · Yash Chandak （University of Massachusetts Amherst） · Daniel Cohen （University of Massachusetts Amherst） · Mengxue Zhang （umass Amherst ） · Philip Thomas （University of Massachusetts Amherst）
Provable Self-Play Algorithms for Competitive Reinforcement Learning
Yu Bai （Salesforce Research） · Chi Jin （Princeton University）
Optimizing for the Future in Non-Stationary MDPs
Yash Chandak （University of Massachusetts Amherst） · Georgios Theocharous （Adobe Research） · Shiv Shankar （University of Massachusetts） · Martha White （University of Alberta） · Sridhar Mahadevan （Adobe Research） · Philip Thomas （University of Massachusetts Amherst）
Sample Factory: Egocentric 3D Control from Pixels at 100000 FPS with Asynchronous Reinforcement Learning
Aleksei Petrenko （University of Southern California） · Zhehui Huang （University of Southern California） · Tushar Kumar （University of Southern California） · Gaurav Sukhatme （University of Southern California） · Vladlen Koltun （Intel Labs）
When Demands Evolve Larger and Noisier: Learning and Earning in a Growing Environment
Feng Zhu （Peking University） · Zeyu Zheng （University of California， Berkeley）
Structured Policy Iteration for Linear Quadratic Regulator
Youngsuk Park （Stanford University） · Ryan Rossi （Adobe Research） · Zheng Wen （DeepMind） · Gang Wu （Adobe Research） · Handong Zhao （Adobe Research）
Monte-Carlo Tree Search as Regularized Policy Optimization
Jean-Bastien Grill （DeepMind） · Florent Altché （DeepMind） · Yunhao Tang （Columbia University） · Thomas Hubert （DeepMind） · Michal Valko （DeepMind） · Ioannis Antonoglou （Deepmind） · Remi Munos （DeepMind）
On the Expressivity of Neural Networks for Deep Reinforcement Learning
Kefan Dong （Tsinghua University） · Yuping Luo （Princeton University） · Tianhe Yu （Stanford University） · Chelsea Finn （Stanford） · Tengyu Ma （Stanford）
Can Increasing Input Dimensionality Improve Deep Reinforcement Learning?
Kei Ota （Mitsubishi Electric Corporation） · Tomoaki Oiki （Mitsubishi Electric） · Devesh Jha （Mitsubishi Electric Research Labs） · Toshisada Mariyama （Mitsubishi Electric） · Daniel Nikovski （Mitsubishi Electric Research Labs）
Sub-Goal Trees -- a Framework for Goal-Based Reinforcement Learning
Tom Jurgenson （Technion） · Or Avner （Technion） · Edward Groshev （Osaro， Inc。） · Aviv Tamar （Technion）
Agent57: Outperforming the Atari Human Benchmark
Adrià Puigdomenech Badia （Deepmind） · Bilal Piot （DeepMind） · Steven Kapturowski （Deepmind） · Pablo Sprechmann （Google DeepMind） · Oleksandr Vitvitskyi （DeepMind） · Zhaohan Guo （DeepMind） · Charles Blundell （DeepMind）
Stochastically Dominant Distributional Reinforcement Learning
John Martin （Stevens Institute of Technology） · Michal Lyskawinski （Stevens Institute of Technology） · Xiaohu Li （Stevens Institute of Technology） · Brendan Englot （Stevens Institute of Technology）
Option Discovery in the Absence of Rewards with Manifold Analysis
Amitay Bar （Technion - Israel Institute of Technology） · Ronen Talmon （Technion - Israel Institute Of Technology） · Ron Meir （Technion Israeli Institute of Technology）
Gradient-free Online Learning in Continuous Games with Delayed Rewards
Amélie Héliou （Criteo） · Panayotis Mertikopoulos （CNRS） · Zhengyuan Zhou （Stanford University）
Fast Adaptation to New Environments via Policy-Dynamics Value Functions
Roberta Raileanu （NYU） · Max Goldstein （NYU） · Arthur Szlam （Facebook） · Facebook Rob Fergus （Facebook AI Research， NYU）
Bootstrap Latent-Predictive Representations for Multitask Reinforcement Learning
Zhaohan Guo （DeepMind） · Bernardo Avila Pires （DeepMind） · Mohammad Gheshlaghi Azar （Deepmind） · Bilal Piot （DeepMind） · Florent Altché （DeepMind） · Jean-Bastien Grill （DeepMind） · Remi Munos （DeepMind）
Deep Reinforcement Learning with Smooth Policy
Qianli Shen （Peking University） · Yan Li （Georgia Tech） · Haoming Jiang （Georgia Tech） · Zhaoran Wang （Northwestern） · Tuo Zhao （Gatech）
Inductive Bias-driven Reinforcement Learning For Efficient Schedules in Heterogeneous Clusters
Subho Banerjee （University of Illinois at Urbana-Champaign） · Saurabh Jha （UIUC） · Zbigniew Kalbarczyk （University of Illinois at Urbana-Champaign） · Ravishankar Iyer （University of Illinois at Urbana-Champaign）
Skew-Fit: State-Covering Self-Supervised Reinforcement Learning
Vitchyr Pong （UC Berkeley） · Murtaza Dalal （UC Berkeley） · Steven Lin （UC Berkeley） · Ashvin Nair （UC Berkeley） · Shikhar Bahl （UC Berkeley/Carnegie Mellon University） · Sergey Levine （UC Berkeley）
Model-free Reinforcement Learning in Infinite-horizon Average-reward Markov Decision Processes
Chen-Yu Wei （University of Southern California） · Mehdi Jafarnia （University of Southern California） · Haipeng Luo （University of Southern California） · Hiteshi Sharma （University of Southern California） · Rahul Jain （USC）
Kinematic State Abstraction and Provably Efficient Rich-Observation Reinforcement Learning
Dipendra Misra （Microsoft） · Mikael Henaff （Microsoft） · Akshay Krishnamurthy （Microsoft Research） · John Langford （Microsoft Research）
Enhanced POET: Open-ended Reinforcement Learning through Unbounded Invention of Learning Challenges and their Solutions
Rui Wang （Uber AI） · Joel Lehman （） · Aditya Rawal （Uber AI Labs） · Jiale Zhi （Uber AI） · Yulun Li （Uber AI） · Jeffrey Clune （Open AI） · Kenneth Stanley （Uber AI and University of Central Florida）
Adaptive Reward-Poisoning Attacks against Reinforcement Learning
Xuezhou Zhang （UW-Madison） · Yuzhe Ma （Univ。 of Wisconsin-Madison） · Adish Singla （Max Planck Institute （MPI-SWS）） · Jerry Zhu （University of Wisconsin-Madison）
Estimation of Bounds on Potential Outcomes For Decision Making
Maggie Makar （MIT） · Fredrik Johansson （Chalmers University of Technology） · John Guttag （MIT） · David Sontag （Massachusetts Institute of Technology）
Sequential Transfer in Reinforcement Learning with a Generative Model
Andrea Tirinzoni （Politecnico di Milano） · Riccardo Poiani （Politecnico di Milano） · Marcello Restelli （Politecnico di Milano）
Interference and Generalization in Temporal Difference Learning
Emmanuel Bengio （McGill University） · Joelle Pineau （McGill University / Facebook） · Doina Precup （McGill University / DeepMind）
CoMic: Co-Training and Mimicry for Reusable Skills
Leonard Hasenclever （DeepMind） · Fabio Pardo （Imperial College London） · Raia Hadsell （DeepMind） · Nicolas Heess （DeepMind） · Josh Merel （DeepMind）
Stochastic Regret Minimization in Extensive-Form Games
Gabriele Farina （Carnegie Mellon University） · Christian Kroer （Columbia University） · Tuomas Sandholm （Carnegie Mellon University）
Logarithmic Regret for Online Control with Adversarial Noise
Dylan Foster （MIT） · Max Simchowitz （UC Berkeley）
Cautious Adaptation For Reinforcement Learning in Safety-Critical Settings
Jesse Zhang （UC Berkeley） · Brian Cheung （UC Berkeley） · Chelsea Finn （Stanford） · Sergey Levine （UC Berkeley） · Dinesh Jayaraman （University of Pennsylvania）
Representations for Stable Off-Policy Reinforcement Learning
Dibya Ghosh （Google） · Marc Bellemare （Google Brain）
Multi-Step Greedy Reinforcement Learning Algorithms
Manan Tomar （Indian Institute of Technology， Madras） · Yonathan Efroni （Technion） · Mohammad Ghavamzadeh （Facebook AI Research）
Neural Network Control Policy Verification With Persistent Adversarial Perturbation
Yuh-Shyang Wang （Argo AI） · Tsui-Wei Weng （MIT） · Luca Daniel （MIT）
Estimating Q(s,s') with Deterministic Dynamics Gradients
Ashley Edwards （Uber AI） · Himanshu Sahni （Georgia Institute of Technology） · Rosanne Liu （Deep Collective） · Jane Hung （Uber） · Ankit Jain （Uber AI Labs） · Rui Wang （Uber AI） · Adrien Ecoffet （OpenAI） · Thomas Miconi （Uber AI Labs） · Charles Isbell （Georgia Institute of Technology） · Jason Yosinski （Uber Labs）
CURL: Contrastive Unsupervised Representation Learning for Reinforcement Learning
Michael Laskin （UC Berkeley） · Pieter Abbeel （UC Berkeley & Covariant） · Aravind Srinivas （UC Berkeley）
Inferring DQN structure for high-dimensional continuous control
Andrey Sakryukin （National University of Singapore） · Chedy Raissi （INRIA） · Mohan Kankanhalli （National University of Singapore，）
R2-B2: Recursive Reasoning-Based Bayesian Optimization for No-Regret Learning in Games
Zhongxiang Dai （National University of Singapore） · Yizhou Chen （National University of Singapore） · Bryan Kian Hsiang Low （National University of Singapore） · Patrick Jaillet （MIT） · Teck-Hua Ho （National University of Singapore）
Revisiting Fundamentals of Experience Replay
William Fedus （University of Montreal/Google Brain） · Prajit Ramachandran （Google） · Rishabh Agarwal （Google Research， Brain Team） · Yoshua Bengio （Mila / U。 Montreal） · Hugo Larochelle （Google Brain） · Mark Rowland （DeepMind） · Will Dabney （DeepMind）
Predictive Coding for Locally-Linear Control
Rui Shu （Stanford University） · Tung Nguyen （VinAI Research） · Yinlam Chow （Google） · Tuan Pham （VinAI） · Khoat Than （VinAI & HUST） · Mohammad Ghavamzadeh （Facebook） · Stefano Ermon （Stanford University） · Hung Bui （VinAI Research）
Efficiently Solving MDPs with Stochastic Mirror Descent
Yujia Jin （Stanford University） · Aaron Sidford （Stanford）
Hierarchically Decoupled Morphological Transfer
Donald Hejna （UC Berkeley） · Lerrel Pinto （NYU/Berkeley） · Pieter Abbeel （UC Berkeley）
Controlling Overestimation Bias with Truncated Mixture of Continuous Distributional Quantile Critics
Arsenii Kuznetsov （Samsung） · Pavel Shvechikov （Samsung Artificial Intelligence Center ） · Alexander Grishin （Higher School of Economics） · Dmitry Vetrov （Higher School of Economics， Samsung AI Center Moscow）
Invariant Causal Prediction for Block MDPs
Clare Lyle （University of Oxford） · Amy Zhang （McGill University） · Angelos Filos （University of Oxford） · Shagun Sodhani （Facebook AI Research） · Marta Kwiatkowska （Oxford University） · Yarin Gal （University of Oxford） · Doina Precup （McGill University / DeepMind） · Joelle Pineau （McGill University / Facebook）
Task-Oriented Active Perception and Planning in Environments with Partially Known Semantics
Mahsa Ghasemi （The University of Texas at Austin） · Erdem Bulgur （University of Texas at Austin） · Ufuk Topcu （University of Texas at Austin）
參考：