研究人员引入了“excursion policies”作为一种新的 off-policy 强化学习方法。该方法涉及智能体遵循目标策略执行一定数量的步骤,然后返回到行为策略。该研究通过动态规划结果为这些策略提供了理论基础,并开发了相应的时序差分算法。Excursion policies 在效率和稳定性之间取得了平衡,在连续控制基准测试中表现与混合策略相当。 AI
影响 引入了新的理论框架和算法,以提高 off-policy 强化学习的效率和稳定性。
排序理由 详细介绍强化学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Excursion Policies
- Hugging Face
- Off-Policy Reinforcement Learning: Optimal Operational Control for Two-Time-Scale Industrial Processes
- reinforcement learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →