跳到正文
arXiv · ML· Francisco M. L\'{o}pez, Francisco Cruz·· 10 天前AI 评分22

Hindsight Critics:用于部分可观测强化学习中的延迟补偿方法

Can Hindsight Critics Guide Delayed Actors?

AI 导读

研究提出 Hindsight Critics,一种 Soft Actor-Critic 的非对称扩展,用于缓解部分可观测环境中的感官延迟。 该方法通过回溯对齐的状态-动作转移训练 critic,使 actor 在部署时无需修改观测数据即可利用特权价值估计。在 DelayBench 基准测试中,该方法能部分补偿观测延迟。

来源:arXiv · ML · arxiv.org