arXiv · ML· Shashank Gupta, Pilhwa Lee·· 18 天前AI 评分22
密度引导的自举边界用于隐世界模型强化学习
Density-Guided Bootstrap Boundaries for Latent World-Model Reinforcement Learning
AI 导读
提出密度引导自举边界机制,利用分数感知相对密度代理自适应调整想象回报深度,解决固定想象时长的模型误差累积问题。 该机制包含硬/软边界两种门控变体,独立于具体动力学模型并应用于Dreamer V3。理论证明门控Bellman算子为严格压缩映射。实验显示其在连续控制任务和Atari Pong上提升了样本效率和后期训练性能。
来源:arXiv · ML · arxiv.org