Newest papers

Simulation Priors for Rapid Adaptation in Model-Based RL for Autonomous Racing

Adrian Remonda, Jiajun Xi, Nicklas Hansen, Marcus Greiff, Thomas Lew, John Talbot, John Subosits, Xiaolong Wang · 2026 · arXiv

DOI: 10.48550/arXiv.2610.26757 · open-access PDF

Hindi

मजबूत सीखने उच्च प्रदर्शन नियंत्रण नीतियों को सीखने की अनुमति देता है, लेकिन व्यापक बातचीत पर इसकी निर्भरता भौतिक प्रणालियों पर तैनाती को सीमित करती है जहां डेटा संग्रह महंगा है, और विफलताएं असुरक्षित हैं। हम Pre-Informed Adaptation (PIA) को पेश करते हैं, एक ऑफ़लाइन-ऑनलाइन मॉडल-आधारित आरएल फ्रेमवर्क जो त्वरित अनुकूलन के लिए संरचित सिमुलेशन प्रीर का उपयोग करता है।

Machine translation (Meta M2M100); the English original follows.

Abstract

Reinforcement learning enables learning high-performance control policies, but its reliance on extensive interaction limits deployment on physical systems where data collection is costly, and failures are unsafe. We introduce Prior-Informed Adaptation (PIA), an offline-to-online model-based RL framework that uses structured simulation priors for rapid adaptation. PIA pretrains a world model on heterogeneous low- and high-fidelity simulated trajectories, then adapts it with limited target-domain interaction using uncertainty-regularized planning. Rather than requiring an accurate simulator for

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange