arXiv · ML· Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Jincheng Ying·· 17 天前AI 评分23
Schrödinger-Föllmer Actor-Critic:基于扩散策略改进与有限样本分析
Schr\"odinger--F\"ollmer Actor--Critic: Diffusion Policy Improvement with Finite-Sample Analysis
AI 导读
提出Schrödinger-Föllmer Actor-Critic (SFAC)离线到在线强化学习方法,通过条件扩散实现KL正则化策略改进。 利用最小极大Bellman评论家估计动作价值,并通过Doob h变换将更新表示为参考扩散漂移的修正。 在六个连续控制任务中,经过500K次在线交互后,其最终检查点回报高于行为克隆初始化。
来源:arXiv · ML · arxiv.org