arXiv · 机器人与计算机视觉· Xinjie Liu, Ruihan Zhao, Anirban Chaudhuri, Cyrus Neary, Ufuk Topcu, David Fridovich-Keil·· 2026-10-05AI 评分65
多保真度策略梯度稳定数据稀缺强化学习
Multi-Fidelity Policy Gradients Stabilize Data-Scarce Reinforcement Learning
AI 导读
论文针对昂贵目标域数据稀缺且噪声大的问题,提出多保真度策略梯度(MFPG)框架,利用廉价低保真数据构建控制变量以降低方差而不引入偏差。作者将该方法扩展至现代 Actor-Critic 架构及 GPU 并行仿真与物理机器人环境,解决了直接优化有偏目标的局限。
来源:arXiv · 机器人与计算机视觉 · arxiv.org