Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1910.07719

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1910.07719 (cs)
[提交于 2019年10月17日 (v1) ,最后修订 2020年2月12日 (此版本, v3)]

标题: 强化学习中的单次策略迁移

标题: Single Episode Policy Transfer in Reinforcement Learning

Authors:Jiachen Yang, Brenden Petersen, Hongyuan Zha, Daniel Faissol
摘要: 在强化学习(RL)中,迁移到新的未知环境动态是一项关键挑战。一个更大的挑战是在测试时单次尝试中近乎最优地执行,这可能没有密集奖励的访问权限,而当前需要多次经验回放以实现适应的方法无法解决这一问题。为了在一个具有相关动态的环境家族中实现单次试用迁移,我们提出了一种通用算法,该算法优化了一个探测器和一个推理模型,以便快速估计测试动态下的潜在变量,然后这些潜在变量立即作为通用控制策略的输入。这种模块化方法能够集成最先进的变分推理或强化学习算法。此外,我们的方法不需要在测试时访问奖励,使其能够在现有自适应方法无法工作的环境中运行。在具有单次试用测试约束的不同实验领域中,我们的方法显著优于现有的自适应方法,并且在鲁棒迁移方面表现出有利的性能。
摘要: Transfer and adaptation to new unknown environmental dynamics is a key challenge for reinforcement learning (RL). An even greater challenge is performing near-optimally in a single attempt at test time, possibly without access to dense rewards, which is not addressed by current methods that require multiple experience rollouts for adaptation. To achieve single episode transfer in a family of environments with related dynamics, we propose a general algorithm that optimizes a probe and an inference model to rapidly estimate underlying latent variables of test dynamics, which are then immediately used as input to a universal control policy. This modular approach enables integration of state-of-the-art algorithms for variational inference or RL. Moreover, our approach does not require access to rewards at test time, allowing it to perform in settings where existing adaptive approaches cannot. In diverse experimental domains with a single episode test constraint, our method significantly outperforms existing adaptive approaches and shows favorable performance against baselines for robust transfer.
评论: 发表于2020年国际学习表征会议(ICLR)
主题: 机器学习 (cs.LG) ; 机器学习 (stat.ML)
引用方式: arXiv:1910.07719 [cs.LG]
  (或者 arXiv:1910.07719v3 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1910.07719
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Jiachen Yang [查看电子邮件]
[v1] 星期四, 2019 年 10 月 17 日 05:37:50 UTC (309 KB)
[v2] 星期六, 2020 年 1 月 18 日 17:24:49 UTC (614 KB)
[v3] 星期三, 2020 年 2 月 12 日 19:54:41 UTC (614 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-10
切换浏览方式为:
cs
stat
stat.ML

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号