★ 1
逆强化学习中奖励函数更新的占用空间几何视角
论文从占用空间（occupancy space）视角重新审视逆强化学习中的奖励更新，指出沿 e-测地线趋向最优占用的几何直接影响奖励参数空间的 IRL 对偶梯度。据此提出用占用轨迹上的平均 Fisher 信息预条件对偶梯度，得到近似自然梯度的更新，并从镜像下降角度分析其收敛性。
arXiv cs.LG19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文从占用空间（occupancy space）视角重新审视逆强化学习中的奖励更新，指出沿 e-测地线趋向最优占用的几何直接影响奖励参数空间的 IRL 对偶梯度。据此提出用占用轨迹上的平均 Fisher 信息预条件对偶梯度，得到近似自然梯度的更新，并从镜像下降角度分析其收敛性。