arXiv cs.RO· SungJae Ahn, Jeong Woon Lee, Kyoleen Kwak, Hyoseok Hwang·· 4 小时前AI 评分60
CATS：用时间正则化实现深度强化学习策略的平滑控制
Revisiting Temporal Regularization for Smooth Control in Deep Reinforcement Learning
AI 导读
作者提出 CATS 方法，将时间惩罚与线性 ramp-up 结合，用于抑制深度强化学习策略的动作振荡。论文证明时间惩罚能够约束共享同一后继状态的当前状态之间的期望动作差异，从而带来空间平滑效果，并在仿真和真实环境中验证该方法在不降低任务性能的前提下显著减少动作振荡，计算开销很小。该工作投稿至 ICRA 2027。
来源：arXiv cs.RO · arxiv.org