BriefGPT - AI 论文速递
·
模型预测控制器的改进
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了基于概率模型预测控制（MPC）的基于模型的 RL 框架，以减少与环境的相互作用次数的方法。该方法使用高斯过程学习概率转换模型来减少模型误差的影响，同时使用 MPC 找到最小化预期长期成本的控制序列，以达到在受限环境下使用 RL 的目的。
🎯
关键要点
- 提出了一种基于概率模型预测控制（MPC）的模型驱动强化学习框架。
- 该方法旨在减少与环境的交互次数。
- 使用高斯过程学习概率转换模型以降低模型误差的影响。
- 通过MPC找到最小化预期长期成本的控制序列。
- 该框架适用于受限环境下的强化学习。
➡️
