研究人员开发了一种名为因果后果惩罚学习（CCPL）的新方法，以解决约束强化学习（RL）中后果延迟且随机的局限性。CCPL引入了一个延迟校正的贝尔曼算子，该算子能够适应未知的随机延迟，确保收缩证明成立。此外，它还利用干预后果网络（ICN）进行因果归因，估计每个动作的边际因果贡献，而不是依赖于时间接近度进行惩罚。 AI
影响 这项研究可以提高RL代理在具有延迟反馈的现实场景中的安全性和有效性。
排序理由 该集群描述了一篇介绍强化学习新方法的创新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Bellman operator
- Causal Consequence-Penalized Learning
- Interventional Consequence Net
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
