Nicolo Botteghi

HypEMBER框架增强了动力学系统的鲁棒策略学习

研究人员推出HypEMBER，一个新颖的强化学习框架，用于参数化动力学系统的鲁棒控制。该方法利用超网络生成基于系统参数的策略和价值函数，从而在不同状态下实现更好的泛化。通过集成策略和价值逼近器，HypEMBER量化了认知不确定性，提高了探索能力，并增强了对测量噪声和参数误设的鲁棒性。在Kuramoto-Sivashinsky方程和粒子导航任务上的实验表明，与现有强化学习方法相比，HypEMBER在训练稳定性、样本效率和鲁棒性方面表现更优。