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:1903.11329v4

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1903.11329v4 (cs)
[提交于 2019年3月27日 (v1) ,修订后的 2019年6月17日 (此版本, v4) , 最新版本 2019年10月28日 (v8) ]

标题: 广义非策略演员-评论家

标题: Generalized Off-Policy Actor-Critic

Authors:Shangtong Zhang, Wendelin Boehmer, Shimon Whiteson
摘要: 我们提出了一种新的目标,即反事实目标,在持续强化学习(RL)设置中统一了现有用于非策略策略梯度算法的目标。 与通常使用的探险目标相比,当部署目标策略时,探险目标可能会误导其性能表现,而我们的新目标能更好地预测这种性能。 我们证明了广义非策略策略梯度定理,以计算反事实目标的策略梯度,并使用一种强调方法从此策略梯度中获得无偏样本,从而得到广义非策略演员-评论家(Geoff-PAC)算法。 我们在Mujoco机器人模拟任务中展示了Geoff-PAC相对于现有算法的优势,这是强调算法在当前深度强化学习基准中的首次实证成功。
摘要: We propose a new objective, the counterfactual objective, unifying existing objectives for off-policy policy gradient algorithms in the continuing reinforcement learning (RL) setting. Compared to the commonly used excursion objective, which can be misleading about the performance of the target policy when deployed, our new objective better predicts such performance. We prove the Generalized Off-Policy Policy Gradient Theorem to compute the policy gradient of the counterfactual objective and use an emphatic approach to get an unbiased sample from this policy gradient, yielding the Generalized Off-Policy Actor-Critic (Geoff-PAC) algorithm. We demonstrate the merits of Geoff-PAC over existing algorithms in Mujoco robot simulation tasks, the first empirical success of emphatic algorithms in prevailing deep RL benchmarks.
主题: 机器学习 (cs.LG) ; 人工智能 (cs.AI); 机器学习 (stat.ML)
引用方式: arXiv:1903.11329 [cs.LG]
  (或者 arXiv:1903.11329v4 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1903.11329
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Shangtong Zhang [查看电子邮件]
[v1] 星期三, 2019 年 3 月 27 日 10:17:13 UTC (1,462 KB)
[v2] 星期四, 2019 年 5 月 23 日 10:45:48 UTC (1,463 KB)
[v3] 星期一, 2019 年 6 月 10 日 23:26:22 UTC (1,463 KB)
[v4] 星期一, 2019 年 6 月 17 日 20:55:53 UTC (1,463 KB)
[v5] 星期五, 2019 年 9 月 13 日 15:32:03 UTC (1,739 KB)
[v6] 星期一, 2019 年 9 月 16 日 20:41:03 UTC (1,739 KB)
[v7] 星期一, 2019 年 10 月 14 日 20:22:42 UTC (1,739 KB)
[v8] 星期一, 2019 年 10 月 28 日 09:58:44 UTC (1,739 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 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 | 2019-03
切换浏览方式为:
cs
cs.AI
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