★ 3
多保真策略梯度稳定数据稀缺强化学习
论文将多保真策略梯度（MFPG）扩展到现代 actor-critic 学习，提出 MFPG-PPO，通过重设计采样、优势估计与控制变量构造来保持跨保真相关性，并监控估计器不确定性以防方差膨胀。在多种机器人运动任务中，MFPG-PPO 几乎全面优于仅用高保真数据的 PPO，在最难任务上以最少高保真预…
arXiv cs.LG28 天前
#多保真
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文将多保真策略梯度（MFPG）扩展到现代 actor-critic 学习，提出 MFPG-PPO，通过重设计采样、优势估计与控制变量构造来保持跨保真相关性，并监控估计器不确定性以防方差膨胀。在多种机器人运动任务中，MFPG-PPO 几乎全面优于仅用高保真数据的 PPO，在最难任务上以最少高保真预…