arXiv cs.RO· Zhenshuo Zhang, Ruoxuan Xiong, Hongyang R. Zhang·· 2 小时前AI 评分58
路由集成与轨迹归因的多目标强化学习
Multi-Objective Reinforcement Learning Using Routed Ensembles and Trajectory Attribution
AI 导读
该论文研究多目标强化学习中的策略学习问题，提出目标冲突系数并据此推导在线场景的近最优遗憾界，用于量化目标错位对学习效率的影响。作者设计了路由集成策略学习算法，维护一小组基策略并将轨迹动态路由到潜在奖励最高的策略；同时提出核代理轨迹归因算法，估计轨迹反馈信号对其他轨迹策略学习的影响。
来源：arXiv cs.RO · arxiv.org