SoftGAC

新的SoftGAC方法改进了生成式Actor-Critic强化学习

研究人员开发了一种新的生成式Actor-Critic方法，称为SoftGAC，旨在解决强化学习中训练表达性生成策略的挑战。SoftGAC使用具有内部高斯桥层的单个随机前馈网络，允许分析性软目标和可处理的路径-KL正则化器。这种方法可以在单次网络评估中生成动作，与现有的迭代扩散和流策略相比，显著降低了推理成本并提高了稳定性。在连续控制基准上的实验表明，SoftGAC取得了具有竞争力或更优的回报，展示了改进的计算-回报权衡。