arXiv · AI· Zeyu Gao, Chengkai Hou, Chaoyue Li, Zhuangzhe Wu, Jiaming Liu, Yao Mu, Peng Jia, Li Zhang, Shanghang Zhang·· 13 小时前AI 评分36
CANDO：用于残差强化学习的保守动作噪声方向优化方法
CANDO: Conservative Action-Noise Directional Optimization for Residual Reinforcement Learning
AI 导读
提出保守动作噪声方向优化（CANDO）方法，通过结合结构化的潜在空间改进与局部动作修正，提升冻结生成式策略的在线强化学习效率。 CANDO 实现 76.1 NAUC 和 91.4% 最终成功率，分别比最佳单空间基线高 6.6 NAUC 和 4.1%。 该方法去除了预定义的潜在可行区域，通过软保守约束调节噪声空间适应。
来源：arXiv · AI · arxiv.org