★ 2
SAC 中 tanh 雅可比“解限”的负结果：Bang-Bang 控制与 MetaDrive
论文检验 Soft Actor-Critic 中 tanh 压缩导致雅可比在动作边界消失、可能削弱极端动作信号这一担忧。作者在演员损失中加入一项恢复该信号的干预，但在最小时间双积分器与 MetaDrive 微调任务上均未带来回报提升，无门控旁路还会导致策略饱和并令回报崩溃。结论是雅可比效应真实存在…
arXiv cs.LG53 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文检验 Soft Actor-Critic 中 tanh 压缩导致雅可比在动作边界消失、可能削弱极端动作信号这一担忧。作者在演员损失中加入一项恢复该信号的干预，但在最小时间双积分器与 MetaDrive 微调任务上均未带来回报提升，无门控旁路还会导致策略饱和并令回报崩溃。结论是雅可比效应真实存在…