Ehsan Saleh
収録論文 1本 ・ フィジカルAI/ロボット学習
強化学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 真に決定論的な方策最適化強化学習2022/5/1
探索ノイズを注入せず決定論的方策空間で探索する方策勾配法TDPOを提案し、Wasserstein型二次モデルによる単調改善保証と厳密なアドバンテージ推定を示した。周波数領域の非局所報酬や8000ステップの長地平線タスクで既存手法を大きく上回る。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
探索ノイズを注入せず決定論的方策空間で探索する方策勾配法TDPOを提案し、Wasserstein型二次モデルによる単調改善保証と厳密なアドバンテージ推定を示した。周波数領域の非局所報酬や8000ステップの長地平線タスクで既存手法を大きく上回る。
PR・アフィリエイト広告