《受限评委下双执行者的高效连续控制》（Efficient Continuous Control with Double Actors and Regularized Critics，作者：控制科学与工程专业2020级博士生吕加飞，导师：李秀）
值函数衡量了从当前的状态出发，采取动作后所能取得的未来累计折扣奖励值。值函数估计问题是强化学习（Reinforcement Learning），尤其是深度强化学习中非常重要的一个问题。对于值函数的准确估计可以使得策略网络向着准确可靠的方向优化。现有的一些值函数估计的经典算法，比如DDPG、TD3等，都或多或少会对值函数进行高估（overestimation）或者低估（underestimation）。近年来的一些方法大多都集中于增强或者改进double critics架构，而长时间忽略了double actors的作用和优点。基于此，作者使用double actors进行值函数修正以获得更好的探索能力和更好的值函数估计，同时对critic网络进行约束以减小值函数估计的不确定度。
https://www.zhuanzhi.ai/paper/064ad32006247d4c1c8dc84b8c3fec1c
成为VIP会员查看完整内容
Efficient Continuous Control with Double Actors and Regularized Critics
相关内容
Arxiv
0+阅读 · 2022年2月24日
Arxiv
0+阅读 · 2022年2月22日
Arxiv
0+阅读 · 2022年2月22日
相关VIP内容
相关资讯
相关论文
Arxiv
0+阅读 · 2022年2月24日
Arxiv
0+阅读 · 2022年2月22日
Arxiv
0+阅读 · 2022年2月22日
微信扫码咨询专知VIP会员