实体 Robust MDPs

Robust MDPs

PulseAugur coverage of Robust MDPs — every cluster mentioning Robust MDPs across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_324054 · Oct 27 · 04:00

新的Q学习算法提高了鲁棒强化学习的效率

研究人员开发了一种新的Q学习算法，旨在提高强化学习（RL）在实际应用中的效率和鲁棒性。该算法通过采用分布鲁棒RL技术，解决了标准RL方法在模拟环境和真实环境之间存在差异时的脆弱性问题。所提出的方法为鲁棒RL提供了一种样本高效、无模型的途径，特别适用于马尔可夫数据，并实现了近乎 minimax 最优的样本复杂度。