计算机科学 > 机器学习
[提交于 2021年8月17日
]
标题: 具有随机延迟的强化学习中的状态增强方法再探
标题: Revisiting State Augmentation methods for Reinforcement Learning with Stochastic Delays
摘要: 许多现实世界场景(如远程控制和传感)都涉及动作和观察的延迟。 延迟的存在会降低强化学习(RL)算法的性能,常常严重到这些算法无法学到实质性内容的地步。 本文正式描述了带有随机延迟的马尔可夫决策过程(MDP)的概念,并证明带延迟的MDP可以被转化为具有显著简化成本结构的等效标准MDP(无延迟)。 我们利用这种等价性推导出了一种无模型的延迟解析RL框架,并表明即使基于此框架构建的简单RL算法,在带有随机动作和观察延迟的环境中也能获得接近最优的奖励。 延迟解析深度Q网络(DRDQN)算法在包含多步和随机延迟的各种环境中进行了基准测试,在实现接近最优奖励以及最小化计算开销方面,相对于目前已确立的算法表现更好。
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.