arXiv Robotics· Giovanni Minelli, Giulio Turrisi, Lorenzo Amatucci, Victor Barasuol, Claudio Semini·· 7 小时前AI 评分30
用相对动作信用学习以逃离局部最优
Learning from Relative Action Credit for Escaping Local Minima
AI 导读
研究将 PPO 扩展为带动作条件价值评论家的算法，通过在同一状态下比较已执行动作与采样替代动作来补足动作判别信号，并结合广义优势估计与探索噪声约束。该方法在相同探索设置下逃离策略平台期，在 PPO 失败的训练预算内完成精密销钉插入任务。
来源：arXiv Robotics · arxiv.org