研究人员引入了鲁棒后继特征，这是一种新颖的方法，它统一了强化学习在奖励函数和转移核上的泛化能力。该方法在线性马尔可夫决策过程中特别有效，尤其是在转移核不确定的情况下。这项工作为广义策略改进提供了理论界限，量化了由于转移核不匹配导致的性能下降，并在动力学一致时恢复了现有的后继特征保证。这些鲁棒后继特征的有效性已在基于网格的基准测试中得到证明，其性能优于先前仅处理奖励或转移泛化问题的方法。 AI
影响 增强了在不确定环境中强化学习的泛化能力，有望提高智能体在复杂现实场景中的性能。
排序理由 这是一篇发表在arXiv上的研究论文，详细介绍了一种新的强化学习方法。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Generalized Policy Improvement
- Markov decision processes
- operations research
- reinforcement learning
- Robust RLS Wiener FIR Filter for Signal Estimation in Linear Discrete-Time Stochastic Systems with Uncertain Parameters
- robust successor features
- successor representation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
