arXiv · ML· Yifan Zhang, Liang Zheng, Qifan Zhang·· 9 小时前AI 评分21
RE-SAC: 解耦公交车队控制中的偶然性与认知性风险的鲁棒集成 DRL 方法
RE-SAC: Disentangling aleatoric and epistemic risks in bus fleet control: A stable and robust ensemble DRL approach
AI 导读
RE-SAC 框架解耦偶然性与认知性风险，通过 IPM 权重正则化与多样化 Q-ensemble 防止策略崩溃。 该框架在双向公交走廊仿真中取得约 -0.4e6 累积奖励，优于标准 SAC 的 -0.55e6。在罕见 OOD 状态下，Oracle Q-value 估计误差最高降低 62%，显著提升了高交通变异性下的鲁棒性。
来源：arXiv · ML · arxiv.org