★ 2
StructRL 用回放图提升无模型强化学习成功率
论文提出 StructRL，将强化学习经验构建为显式回放图，用动态规划在已观测状态空间上选出图策略，并迁移给 DQN 与 SAC。在稀疏奖励 MiniGrid 任务上 DQN 成功率从 0.10 升至 0.90，PointMaze 上 SAC 成功率从 0.17 升至 1.0。
arXiv cs.LG6 小时前
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 StructRL，将强化学习经验构建为显式回放图，用动态规划在已观测状态空间上选出图策略，并迁移给 DQN 与 SAC。在稀疏奖励 MiniGrid 任务上 DQN 成功率从 0.10 升至 0.90，PointMaze 上 SAC 成功率从 0.17 升至 1.0。