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:2510.17122

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2510.17122 (cs)
[提交于 2025年10月20日 ]

标题: 连续Q分数匹配:连续时间控制的扩散引导强化学习

标题: Continuous Q-Score Matching: Diffusion Guided Reinforcement Learning for Continuous-Time Control

Authors:Chengxiu Hua, Jiawen Gu, Yushun Tang
摘要: 强化学习(RL)在众多领域取得了显著成功,然而,大多数现有方法是在离散时间框架下制定的。 在本工作中,我们引入了一种用于连续时间控制的新颖RL方法,其中随机微分方程支配状态-动作动力学。 与传统的基于价值函数的方法不同,我们的主要贡献是通过鞅条件对连续时间Q函数进行表征,并通过动态规划原理将扩散策略得分与学习到的连续Q函数的动作梯度联系起来。 这一见解促使提出了连续Q得分匹配(CQSM),一种基于得分的策略改进算法。 值得注意的是,我们的方法解决了连续时间RL中的一个长期挑战:在不依赖时间离散化的情况下保持Q函数的动作评估能力。 我们进一步在我们的框架内提供了线性二次(LQ)控制问题的理论闭式解。 模拟环境中的数值结果展示了我们所提出方法的有效性,并将其与流行的基线方法进行了比较。
摘要: Reinforcement learning (RL) has achieved significant success across a wide range of domains, however, most existing methods are formulated in discrete time. In this work, we introduce a novel RL method for continuous-time control, where stochastic differential equations govern state-action dynamics. Departing from traditional value function-based approaches, our key contribution is the characterization of continuous-time Q-functions via a martingale condition and the linking of diffusion policy scores to the action gradient of a learned continuous Q-function by the dynamic programming principle. This insight motivates Continuous Q-Score Matching (CQSM), a score-based policy improvement algorithm. Notably, our method addresses a long-standing challenge in continuous-time RL: preserving the action-evaluation capability of Q-functions without relying on time discretization. We further provide theoretical closed-form solutions for linear-quadratic (LQ) control problems within our framework. Numerical results in simulated environments demonstrate the effectiveness of our proposed method and compare it to popular baselines.
主题: 机器学习 (cs.LG) ; 优化与控制 (math.OC)
引用方式: arXiv:2510.17122 [cs.LG]
  (或者 arXiv:2510.17122v1 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2510.17122
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Chengxiu Hua [查看电子邮件]
[v1] 星期一, 2025 年 10 月 20 日 03:30:32 UTC (14,600 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
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-10
切换浏览方式为:
cs
math
math.OC

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