计算机科学 > 机器学习
标题: 变分OOD状态校正用于离线强化学习
标题: Variational OOD State Correction for Offline Reinforcement Learning
摘要: 离线强化学习的性能受到状态分布偏移问题的显著影响,而状态分布外(OOD)的状态校正是一种流行的解决此问题的方法。 在本文中,我们提出了一种名为密度感知安全感知(DASP)的新方法用于状态分布外校正。 具体而言,我们的方法鼓励智能体优先选择导致更高数据密度结果的动作,从而促使其操作在分布内(安全)区域之内或返回该区域。 为了实现这一点,我们在一个变分框架下优化目标,同时考虑决策可能带来的结果及其密度,从而为安全决策提供关键上下文信息。 最后,我们通过在离线MuJoCo和AntMaze套件上的大量实验评估验证了所提出方法的有效性和可行性。
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.