研究人员推出了一种新颖的离策略强化学习算法 Frictional Q-Learning，旨在解决外插误差问题。该方法通过类比静摩擦，将回放缓冲区建模为低维流形，并将支持的操作识别为切线方向。这种方法使用对比变分自编码器对支持的操作进行编码，与现有方法相比，在连续控制基准测试中表现出更稳定、更鲁棒的性能。 AI
影响 引入了一种新颖的方法来提高离策略强化学习的稳定性和鲁棒性，有可能增强复杂控制任务的性能。
排序理由 这是一篇详细介绍强化学习新算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2509.19771v4 Announce Type: replace Abstract: Off-policy reinforcement learning suffers from extrapolation errors when a learned policy selects actions that are weakly supported in the replay buffer. In this study, we address this issue by drawing an analogy to static frict…