BriefGPT - AI 论文速递 · 2025-01-07T00:00:00Z

Offline Reinforcement Learning with SALE and Integrated Q-Networks

📝

内容提要

本研究提出了一种无模型演员-评论家算法，旨在解决离线强化学习中的分布外动作问题。通过引入梯度多样性惩罚和可调行为克隆项，提升了训练的稳定性和准确性。实验结果表明，该算法在D4RL MuJoCo基准上表现优异。

🏷️

标签

D4RL 分布外动作 无模型 演员-评论家 离线强化学习