PulseAugur
中
实时 15:55:13
实体 Alvaro Serra-Gomez

Alvaro Serra-Gomez

PulseAugur coverage of Alvaro Serra-Gomez — every cluster mentioning Alvaro Serra-Gomez across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_44963 ·

    新框架统一并改进了基于模型的强化学习

    研究人员推出了一种新的基于模型的强化学习框架——策略优化-模型预测控制（PO-MPC），该框架提高了连续控制任务中的样本效率。该方法通过将规划器的动作分布作为先验整合到策略优化中，统一了现有方法，从而允许在回报最大化和KL散度最小化之间进行灵活的权衡。实验表明，PO-MPC配置在基于MPPI的强化学习方面取得了最先进的成果。