PolicyAttention

PolicyAttention：用于闭环控制的 Softmax Attention

研究人员开发了一种名为 PolicyAttention 的新方法，该方法在 Transformer 中使用因果 Softmax Attention 来实现闭环控制的策略镜像下降。该方法旨在通过使强化学习代理能够从固定数量的转换中学习来提高其效率和准确性。实证测试表明，PolicyAttention，特别是具有精确一步评论员的版本，在重复控制任务中的表现与理论方法或改编方法相当或更好，尽管在较高步数下与在线策略方法直接比较仍存在挑战。