研究人员开发了一种名为奖励估计超梯度(RE-HG)的新方法,用于解决跟随者奖励函数未知的双层强化学习场景。RE-HG 使用逆强化学习(IRL)从观察到的轨迹中估计跟随者的奖励。该方法已被证明对线性奖励有效,通过聚合不同动态下的估计来减轻 IRL 的偏差。对于有限样本,RE-HG 通过截断小特征值来稳定估计,实验表明其性能与白盒预言机相当,同时避免了局部最优。 AI
影响 在黑盒设置中引入了一种用于双层强化学习的新颖方法,有可能在奖励函数未明确知晓时改善代理的决策制定。
排序理由 该项目描述了一篇研究论文中的新方法及其实验验证。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- bilevel reinforcement learning
- Hugging Face Daily Papers
- Hypergradient
- inverse reinforcement learning
- RE-HG
- reinforcement learning
- Reward-Estimated Hypergradients
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →