★ 2
REFINEPPO：迭代动作精炼的连续控制策略
论文提出迭代动作精炼（IAR），通过一系列学习到的残差修正逐步构造控制动作，共享精炼网络反复以状态与当前动作提案为条件进行修订。将其与 PPO 结合得到 REFINEPPO，在 14 个基准控制任务上匹配或超越标准 PPO，并在多个任务上收敛更快，同时给出精炼深度与更新调度的消融分析。
arXiv cs.LG42 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出迭代动作精炼（IAR），通过一系列学习到的残差修正逐步构造控制动作，共享精炼网络反复以状态与当前动作提案为条件进行修订。将其与 PPO 结合得到 REFINEPPO，在 14 个基准控制任务上匹配或超越标准 PPO，并在多个任务上收敛更快，同时给出精炼深度与更新调度的消融分析。