在模仿学习中借助数据增强提高游戏智能的泛化能力

该研究提出了一种简单而有效的技术来稳定常见的离线政策 RL 算法中使用数据增强时的不稳定性，并在基于 DeepMind Control Suite 的一系列基准以及机器人操纵任务中取得了良好的结果。该方法提高了 ConvNets 在增强下的稳定性和样本效率，并在具有未见视觉的环境中实现了与基于图像的 RL 中最先进方法的竞争性结果，同时证明了该方法可扩展到基于 ViT 的体系结构的 RL。