该文介绍了一种基于模型的强化学习方法，通过生成带有预测奖励的虚拟轨迹来规划动作，以高样本效率地学习复杂行为。作者提出了一种奖励平滑方法 DreamSmooth，通过学习预测时间上平滑的奖励来提高性能。

DreamSmooth: 通过奖励平滑改进基于模型的强化学习
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