arXiv · AI· Yuanpeng Li, Gefei Lin, Annie Qu, Rui Miao·· 16 天前AI 评分31
TOPPO:通过 Critic Balancing 重新思考多任务强化学习中的 PPO
TOPPO: Rethinking PPO for Multi-Task Reinforcement Learning with Critic Balancing
AI 导读
研究提出 TOPPO,通过 Critic Balancing 模块解决 PPO 在多任务强化学习中的梯度病态问题。 该方法改善了各任务间的梯度条件与学习动态平衡,无需依赖复杂架构。 在 Meta-World+ MT50 基准中,TOPPO 以更少参数步数,实现平均及尾部任务性能超越 SAC 基线。
来源:arXiv · AI · arxiv.org