计算机科学 > 机器学习
标题: 广义非策略演员-评论家
标题: Generalized Off-Policy Actor-Critic
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。
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)
文献和引用工具
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
推荐器和搜索工具
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.