本研究提出了一种新框架，结合奖励最大化与模仿学习，解决跨动态强化学习中的专家状态不可访问问题。通过F距离正则化政策优化，显著提升了算法性能，具有广泛应用潜力。

Policy Regularization on Globally Accessible States in Cross-Dynamics Reinforcement Learning
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证