通过对DeepMind控制套件中任务的分析，发现高TD错误是深度强化学习算法性能的主要问题。利用正则化技术找到验证TD误差的最低点是提高深度RL效率的重要原则。在线模型选择方法在基于状态的DMC和Gym任务中也是有效的。

降低深度强化学习模型中的不良行为
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