GSBR: 面向在线强化学习的几何支持行为正则化

GSBR（几何支持行为正则化）通过按动作与基础策略支持集的动态距离施加平滑惩罚，有效平衡在线强化学习中的样本效率与学习稳定性。 该方法允许支持集内的动作无惩罚，仅在价值估计低的外部区域逐渐增加约束，且只需访问基础策略样本即可实施。 在4个机器人基准的19项任务中，GSBR将平均成功率从基础策略的33%提升至95%，其归一化吞吐量比次优强化学习方法高约23%。