Actor-Critic Algorithms

新基准 REVERSAL-BENCH 测试强化学习智能体在环境可逆性方面的表现

研究人员推出了 REVERSAL-BENCH，这是一个新的基准，旨在评估强化学习智能体在环境可逆性至关重要的场景中的表现。该基准利用一个连续参数来控制可逆性，并包含一个重置预言机，用于在多个物理引擎中的各种操作任务中验证状态的可恢复性。对标准 actor-critic 算法和专门的无重置框架的初步评估显示，随着可逆性的降低，性能出现显著下降，导致智能体陷入无法恢复的状态。