★ 2
高斯与Beta策略的图像连续控制分歧正则模仿学习
论文评估分歧正则化模仿学习（DRIL）在图像连续控制中的效果，在CarRacing上结合高斯与Beta策略、不同专家演示与轨迹数量进行受控实验。结果显示DRIL在少演示场景提升最大，相比最强行为克隆均值提升61%至112%，但演示增多后优势收窄。
arXiv cs.LG32 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文评估分歧正则化模仿学习（DRIL）在图像连续控制中的效果，在CarRacing上结合高斯与Beta策略、不同专家演示与轨迹数量进行受控实验。结果显示DRIL在少演示场景提升最大，相比最强行为克隆均值提升61%至112%，但演示增多后优势收窄。
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。