RS-Diffuser

新的RS-Diffuser框架提供风险敏感的离线强化学习

研究人员开发了RS-Diffuser，一个用于风险敏感离线强化学习的新型框架。该方法将基于扩散的轨迹生成与分布价值批评相结合，以实现对风险曲线的灵活控制。通过调整推理时间参数，RS-Diffuser可以产生风险规避、风险中性或风险寻求的行为。在基准测试上的实验表明，它在提高总体回报和最坏情况鲁棒性方面取得了最先进的性能，同时最大限度地减少了安全违规。