基于最大熵的策略改进演员 - 评论家算法及熵优势估计

BriefGPT - AI 论文速递 ·

我们提出了一种新的最大熵强化学习框架EBFlow，集成了策略评估和策略改进步骤，支持多模态动作分布建模。实验结果显示，EBFlow在高维机器人任务上优于传统方法。

EBFlow 多模态动作分布建模最大熵强化学习策略改进策略评估算法

原文中文，约300字，阅读约需1分钟。