arXiv · ML· Andrea Vasco Grieco, Evelyn D'Elia, Edoardo Caldarelli, Raffaello Camoriano·· 5 小时前AI 评分31
探究 PPO 策略方差与强化学习中可塑性丧失的因果机制
Bridging Exploration and Loss of Plasticity in On-Policy Reinforcement Learning
AI 导读
研究分析了近端策略优化（PPO）在等方高斯策略下的可塑性丧失（LoP），发现策略标准差 $\sigma$ 显著影响 LoP 程度。 该工作提供了理论与实验论证，解释了常用缓解技术的有效性，并在 7-DoF 机械臂部署中进行验证。
来源：arXiv · ML · arxiv.org