arXiv · ML· Luca Viano, Antoine Moulin, Audrey Huang, Volkan Cevher, Philip Amortila, Dylan J. Foster·· 4 天前AI 评分24
基于价值函数的模仿学习中在线策略交互何时有效:OVI 算法与表征权衡
When Does On-Policy Interaction Help? Representational Tradeoffs in Value-Based Imitation Learning
AI 导读
论文提出 OVI 算法,证明专家交互可放宽学习者对专家策略的表征需求,仅需实现专家价值函数即可提升性能。 实验显示,OVI 优于行为克隆(BC)、DAgger 及离线基于价值的方法,且当学习者网络表达能力显著低于专家时提升幅度最大。
来源:arXiv · ML · arxiv.org