跳到正文
arXiv · 机器人与计算机视觉· Giovanni Minelli, Giulio Turrisi, Lorenzo Amatucci, Victor Barasuol, Claudio Semini·· 20 天前AI 评分59

基于相对动作信用的学习以逃离局部极小值

Learning from Relative Action Credit for Escaping Local Minima

AI 导读

论文针对强化学习中 on-policy 方法(如 PPO)在处理长周期、高接触任务时易陷入局部最优的问题,提出了一种扩展算法。该方法引入动作条件化价值批评器,能在同一状态下比较执行动作与采样替代动作的优劣,从而改善稀疏奖励下的信用分配。结合广义优势估计和探索噪声约束,实验显示该算法在有限训练预算内成功完成了 PPO 无法完成的精密插桩任务。

来源:arXiv · 机器人与计算机视觉 · arxiv.org