PulseAugur
中
实时 08:17:35
实体 RWRL

RWRL

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

Show in brief
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
  1. TOOL · CL_366183 ·

    新的MINT方法通过跟踪轨迹相遇时间来改进离轨强化学习

    研究人员引入了MINT(Meeting-time Indicators for Truncation,相遇时间截断指示器),一种用于离轨强化学习的新方法,解决了多步方法中方差控制和信号传播之间的权衡问题。MINT用一个二元指示器替换了传统的迹系数乘积,该指示器在耦合的行为和目标轨迹首次相遇时发出信号,旨在将方差限制在相遇时间内。这种方法不需要转移模型或混合时间估计,在MuJoCo、DeepMind Control、Atari 100k…