構造的な非定常性を持つデータセットからのオフライン強化学習
Offline Reinforcement Learning from Datasets with Structured Non-Stationarity
エピソード間で遷移・報酬関数が徐々に変化するオフラインデータセットに対し、対照予測符号化で非定常性を特定し方策学習に活かす手法を提案した。
著者: Johannes Ackermann, Takayuki Osa, Masashi Sugiyama
分類: cs.LG, cs.AI
原文アブストラクト
Current Reinforcement Learning (RL) is often limited by the large amount of data needed to learn a successful policy. Offline RL aims to solve this issue by using transitions collected by a different behavior policy. We address a novel Offline RL problem setting in which, while collecting the dataset, the transition and reward functions gradually change between episodes but stay constant within each episode. We propose a method based on Contrastive Predictive Coding that identifies this non-stationarity in the offline dataset, accounts for it when training a policy, and predicts it during evaluation. We analyze our proposed method and show that it performs well in simple continuous control tasks and challenging, high-dimensional locomotion tasks. We show that our method often achieves the oracle performance and performs better than baselines.
関連論文
- VGFM: フローマッチングにおける密な価値誘導による表現力豊かなロボット方策オフライン強化学習
- オフライン強化学習における拡散ポリシーのためのノイズ空間ポリシー勾配オフライン強化学習
- オフライン方策改善に1ステップで十分か?オフライン強化学習
- CoDrift: オフライン強化学習のための合成的ドリフトオフライン強化学習
- オフライン強化学習のためのポリシー抽出の分離オフライン強化学習
- RoMAN-Flow: ロボット操作におけるオフライン強化学習のための自己回帰正規化フローの制御オフライン強化学習