计算机科学 > 人工智能
[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
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。
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.