计算机科学 > 机器学习
[提交于 2020年3月11日
(v1)
,最后修订 2020年11月2日 (此版本, v2)]
标题: 在线元批评者学习用于非策略演员-批评者方法
标题: Online Meta-Critic Learning for Off-Policy Actor-Critic Methods
摘要: 离策略行为者-评论家(Off-PAC)方法在各种连续控制任务中已被证明是成功的。通常,评论家的动作价值函数是通过时间差分进行更新的,而评论家反过来为行为者提供一个损失,使其学习采取具有更高预期回报的动作。在本文中,我们引入了一种新颖且灵活的元评论家,它观察学习过程,并元学习一个额外的损失,以加速和改进行为者-评论家的学习。与普通评论家相比,元评论家网络被显式训练以加速学习过程;与现有的元学习算法相比,元评论家是针对单个任务快速在线学习的,而不是在一系列任务上缓慢学习。关键的是,我们的元评论家框架专为基于离策略的学习者设计,这些学习者目前提供了最先进的强化学习样本效率。我们证明,当与现代的Off-PAC方法DDPG、TD3和最先进的SAC结合时,在线元评论家学习能带来各种连续控制环境中的改进。
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.