arXiv · 机器人与计算机视觉· Kimia Hamidieh, Giannis Daras, Antonio Torralba·· 9 天前AI 评分68
PoEM:基于现有策略预测强化学习结果
PoEM: Predicting RL Outcomes from Existing Policies
AI 导读
论文介绍 PoEM 框架,旨在通过已训练的模型和新的奖励函数直接近似目标 RL 策略,而无需重新进行计算密集型的强化学习训练。该方法利用新奖励函数可表示为现有奖励线性组合的特性,在 log-probability 空间中将最优策略表达为现有策略的组合;即使奖励非线性相关,RL 学到的策略也常跨越低秩子空间。
来源:arXiv · 机器人与计算机视觉 · arxiv.org