跳到正文
arXiv · AI· Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikantan Nambi, Lillian J. Ratliff, Dylan Randle·· 10 天前AI 评分34

AnchorQ:基于流反转动作锚点的样本高效强化学习策略

Sample-Efficient Reinforcement Learning for Policy Improvement via Flow-Reversed Action Anchors

AI 导读

研究提出AnchorQ方法,通过流反转将参考行为映射为状态条件潜在锚点,实现粗到细的策略改进。该方法在具有挑战性的任务中提取学习信号,分析表明锚点降低了识别复杂度。 在模拟和真实世界操作任务中,AnchorQ在样本效率上优于现有基线,真实世界成功率提升37%,模拟任务吞吐量提高97%。

来源:arXiv · AI · arxiv.org