跳到正文
arXiv · 机器人与计算机视觉· Yuanpeng Li, Gefei Lin, Annie Qu, Rui Miao·· 15 天前AI 评分58

TOPPO:一种用于多任务强化学习的改进型 PPO 算法

TOPPO: Rethinking PPO for Multi-Task Reinforcement Learning with Critic Balancing

AI 导读

论文指出软演员评论家(SAC)及其变体在多任务强化学习中占据主导,而策略优化器 PPO 因批评侧梯度病态问题导致尾任务停滞。为此提出 TOPPO,通过 Critic Balancing 模块改善梯度条件性并平衡学习任务动态。

来源:arXiv · 机器人与计算机视觉 · arxiv.org