Soft MellowMax Actor-Critic

新的正则化强化学习算法增强了机器人从模拟到现实的迁移能力

开发了一种新的强化学习算法——软缓最大值Actor-Critic (SMM-AC)，以改进策略从模拟到现实世界机器人的迁移。该算法基于软缓最大值价值函数，提供了强大的鲁棒性保证。在MuJoCo基准测试中，SMM-AC的表现与Soft Actor-Critic等现有方法相当。至关重要的是，在真实机器人上，SMM-AC展示了更优越的回报和对观测、环境及动力学变化的更大韧性，突显了正则化强化学习在模拟到现实迁移中的优势。