计算机科学 > 机器学习
            [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
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。
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.
 
  