IVW-H

新研究探讨策略梯度强化学习的方差控制

一篇新研究论文探讨了改进策略梯度强化学习的方法，特别是在动力学不连续的情况下。作者提出了两种技术：DDCG，它在非平滑区域使用单个超参数在估计器之间切换，以提高鲁棒性和样本效率；以及IVW-H，一种每步逆方差实现，可以在不显式检测不连续性的情况下稳定方差。他们的研究结果表明，虽然估计器切换可以在受控研究中增强鲁棒性，但在实际应用中，仔细的方差控制通常更有效。