提出融合AIRL奖励估计的模糊控制方法

2026年10月15日，arXiv Artificial Intelligence 刊出研究，提出一种模糊控制方法，将基于对抗逆强化学习（AIRL）的奖励估计机制融入策略梯度与模糊推理结合的基础模型。该研究由 Seiji Ishihara 提出。方法上，基础模型的策略作为生成器，策略中的隶属函数集作为判别器代价函数，使奖励估计的判别器更新与策略估计的生成器更新在共享参数上同步进行，无需估计价值函数。在车辆速度控制任务的仿真中，该方法通过稳定高效的学习获得了泛化性能较高的策略。截至该报道，事件进展限于方法提出与仿真验证，尚无其他跟进报道。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。