Wasserstein divergence

新的 KL 散度类似物改进了强化学习控制

研究人员引入了作为 Kullback-Leibler (KL) 散度类似物的新散度，解决了其在强化学习中的局限性，特别是在分布不匹配或低噪声场景下。这些基于 Wasserstein 和 Kalman-Wasserstein 几何的新型散度即使在分布退化时也能保持有限。该研究证明了它们在线性高斯噪声最优控制中的有效性，表明它们可以防止奇异性并提高双积分器和倒立摆等示例的性能。