arXiv cs.RO· Carl Qi, Weijun Dong, Xiaojie Wang, Peiyi Chen, Rahul Sajnani, Mingyuan Zhang, Amy Zhang, Jose Barreiros, Manikatan Nambi, Lillian J. Ratliff, Dylan Randle·· 4 小时前AI 评分57
AnchorQ 用流反转动作锚点提升机器人策略的强化学习样本效率
Sample-Efficient Reinforcement Learning for Policy Improvement via Flow-Reversed Action Anchors
AI 导读
arXiv 论文提出 AnchorQ，通过流反转把参考策略行为映射为状态条件化的潜变量锚点，在锚点附近采样粒子并用价值引导采样实现由粗到细的策略改进。分析表明锚点降低识别复杂度但引入支撑偏差，粒子精化在该偏差与动作类复杂度之间权衡，critic 精度决定 KL 正则价值引导选择的可靠性。
来源：arXiv cs.RO · arxiv.org