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:2406.07117

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2406.07117 (cs)
[提交于 2024年6月11日 ]

标题: 用未标记数据增强离线强化学习

标题: Augmenting Offline RL with Unlabeled Data

Authors:Zhao Wang, Briti Gangopadhyay, Jia-Fong Yeh, Shingo Takamatsu
摘要: 最近在离线强化学习(Offline RL)中的进展导致了对基于保守策略更新的方法的更多关注,以解决分布外(OOD)问题。 这些方法通常涉及添加行为正则化或修改评论家学习目标,主要关注数据集中有大量支持的状态或动作。 然而,我们通过断言数据集中不存在的动作或状态并不一定意味着其次优性来挑战这一普遍观点。 在本文中,我们提出了一种新方法来解决OOD问题。 我们引入了一个离线RL的教师-学生框架,并辅以策略相似性度量。 该框架使学生策略不仅能够从离线RL数据集中获得见解,还能从教师策略传递的知识中获益。 教师策略是使用包含状态-动作对的另一个数据集进行训练的,这可以被视为在不直接与环境交互的情况下获得的实际领域知识。 我们认为这种额外的知识是有效解决OOD问题的关键。 这项研究代表了将教师-学生网络集成到actor-critic框架中的重要进展,为离线RL中的知识迁移研究开辟了新途径,并有效解决了OOD挑战。
摘要: Recent advancements in offline Reinforcement Learning (Offline RL) have led to an increased focus on methods based on conservative policy updates to address the Out-of-Distribution (OOD) issue. These methods typically involve adding behavior regularization or modifying the critic learning objective, focusing primarily on states or actions with substantial dataset support. However, we challenge this prevailing notion by asserting that the absence of an action or state from a dataset does not necessarily imply its suboptimality. In this paper, we propose a novel approach to tackle the OOD problem. We introduce an offline RL teacher-student framework, complemented by a policy similarity measure. This framework enables the student policy to gain insights not only from the offline RL dataset but also from the knowledge transferred by a teacher policy. The teacher policy is trained using another dataset consisting of state-action pairs, which can be viewed as practical domain knowledge acquired without direct interaction with the environment. We believe this additional knowledge is key to effectively solving the OOD issue. This research represents a significant advancement in integrating a teacher-student network into the actor-critic framework, opening new avenues for studies on knowledge transfer in offline RL and effectively addressing the OOD challenge.
主题: 人工智能 (cs.AI) ; 机器学习 (cs.LG)
引用方式: arXiv:2406.07117 [cs.AI]
  (或者 arXiv:2406.07117v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2406.07117
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zhao Wang [查看电子邮件]
[v1] 星期二, 2024 年 6 月 11 日 10:02:07 UTC (19,590 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
许可图标 查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-06
切换浏览方式为:
cs
cs.LG

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