Sergey Levine· svlevine·· 5 天前AI 评分29
新约束实现离线到在线强化学习
When running RL with prior data, a behavior constraint is important to trade off exploration vs staying close to known good parts of the ...
AI 导读
在用先验数据运行强化学习时，行为约束对于权衡探索与保持接近数据中已知良好部分很重要。但这一约束的选择很微妙——我们既不想只是匹配所有先验数据，也不想偏离太远。在我们的新论文中，我们提出了一种新约束，将支持约束与连续惩罚相结合，以实现出色的离线到在线强化学习性能。
来源：Sergey Levine · x.com