突破障碍：平滑 DRL 代理程序中的增强效用和鲁棒性
原文中文，约300字，阅读约需1分钟。发表于：。我们提出了 S-DQN 和 S-PPO 方法，通过对现有平滑代理的改进，在标准 RL 基准测试中显著提高了干净奖励、经验鲁棒性和鲁棒性保证，平均因子分别为 $2.16imes$ 和 $2.13imes$。此外，我们引入了 Smoothed Attack，比现有对抗性攻击方法降低平滑代理奖励的效果提高了 $1.89imes$。
DreamSmooth是一种奖励平滑方法，通过学习预测时间上平滑的奖励来提高基于模型的强化学习的性能。实证结果表明，DreamSmooth在长时间范围的稀疏奖励任务上表现出最先进的性能，并在常见的基准测试中也表现良好。
