Antonio Monerris

新的诊断工具揭示了MORL策略中隐藏的行为变异

研究人员开发了一种新的诊断工作流程，以更好地理解多目标强化学习（MORL）策略中的行为变异。传统方法通常将多个相互竞争的目标合并为单一标量，这可能对微小变化敏感，并掩盖策略行为的显著差异。这种新方法提供了定性和视觉工具来检查这些策略，揭示了仅靠预期回报可能忽略的变异。该方法已在简单的网格示例和更复杂的连续控制基准上得到验证，证明了其在不同问题复杂度下的有效性。