arXiv cs.RO· Danilo Vucetic, Mohamad H. Danesh, Florence Clerc, Hsiu-Chin Lin, Jonathan Tremblay·· 3 小时前AI 评分60
SMM-AC：正则化强化学习提升仿真到现实迁移
Regularised RL improves sim-to-real transfer
AI 导读
作者提出基于 soft mellowmax 价值函数的正则化强化学习算法 SMM-AC，在 MuJoCo 连续控制基准上与 SAC 等基线相当，在真实机器人上取得更高回报，且对观测、环境和动力学扰动更鲁棒。研究对比了常用强化学习算法的仿真到现实迁移表现，指出正则化能提升策略对仿真到现实差距和真实环境变化的鲁棒性。
来源：arXiv cs.RO · arxiv.org