实体
Hopper-v5
Hopper-v5
PulseAugur coverage of Hopper-v5 — every cluster mentioning Hopper-v5 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的几何方法增强了强化学习智能体的运动学习能力
研究人员开发了 GeZo-SAC，一种软Actor-Critic方法的新方法，通过使用几何表示来适应Critic的悲观性，从而增强了运动学习能力。该方法利用Zonotopes来表示Critic的分歧，从而能够更细致地组合Critic的值。在对四个MuJoCo运动基准的评估中，GeZo-SAC在Ant-v5和Hopper-v5上表现出色，同时在其他任务上保持竞争力。此外，该方法在每米行驶的驱动器功耗和动作消耗方面也更低，且过估误差极小。
-
通过丢弃冗余状态转移来稳定PPO训练
研究人员开发了一种通过从同策略（on-policy）的rollout中随机丢弃一部分转移来提高强化学习训练稳定性的方法。该技术应用于Proximal Policy Optimization (PPO)，打破了由因果链式状态引起的重复梯度结构。通过丢弃约25%的转移，该方法在保持奖励性能的同时，在各种指标上产生了更一致的训练动态。