Mohamad H Danesh

Drift Q-Learning 提出统一方法，推动离线强化学习发展

研究人员推出了一种新颖的离线强化学习方法——Drift Q-Learning (DriftQL)，该方法解决了由分布外动作带来的不可靠价值估计的挑战。DriftQL 结合了基于漂移的行为正则化器和由 Critic 驱动的策略改进，将策略引导至现有数据中的高价值区域，同时防止模式崩溃。该方法在 D4RL 和 OGBench 等基准测试中取得了最先进的性能，优于扩散和基于流的方法，并且即使在数据质量下降的情况下也表现出稳健的性能。