nonholonomic vehicles

新的对话最优性框架为 RL 提供地面实况基准测试

开发了一个名为“对话最优性”（Converse Optimality）的新框架，为强化学习任务提供基于地面实况的基准测试。该方法构建了具有认证最优值和策略的环境，这些值和策略不对学习者公开，仅用于评估。该框架支持两种模式：用于鲁棒性评估的敏感性基准测试和用于策略评估的预言机参考比较。它扩展到非光滑和部分观察系统，为评估强化学习算法提供了超越相对比较的更可靠的方法。