arXiv · ML· Jongsoo Lee, Jangwon Kim, Soohee Han·· 7 天前AI 评分23
DHRL 解决强化学习中延迟反馈的状态爆炸问题
Delayed homomorphic reinforcement learning for environments with delayed feedback
AI 导读
提出延迟同态强化学习(DHRL)框架,基于 MDP 同态引入信念等价关系,将增广状态空间坍缩为紧凑抽象空间。 在有限域中精确抽象可恢复无延迟样本复杂度阶数;在连续域中提出的 D²HPG 算法在 MuJoCo 基准上优于强增广基线,代码已开源。
来源:arXiv · ML · arxiv.org