imitation-projected programmatic reinforcement learning9705模仿投射程序化强化.pdfVIP

imitation-projected programmatic reinforcement learning9705模仿投射程序化强化.pdf

  1. 1、本文档共27页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
概述:本研究提出了一种名为PROPEL的迭代算法,用于模拟投射程序化强化学习任务。该算法基于三个关键洞察:首先,我们视优化问题为空间内优化,通过镜像下降求解最优解决方案;其次,我们考虑无约束空间的混合神经和投影策略,以利用先进深度梯度方法进行优化;最后,我们将编码步骤视为仿生学习任务,利用当前技术中的代数方法实现算法的收敛。详细概述:1.投射程序化强化学习是指在环境中训练和测试两个或更多的行动的策略,这些策略被期望按照一种特殊的模式来执行。2.科学性地设计智能系统需要考虑到许多

Imitation-ProjectedProgrticReinment

Learning

AbhinavVermaHoangM.LeYisongYueSwaratChaudhuri

RiceUniversityCaltechCaltechRiceUniversity

averma@hmle@yyue@swarat@

Westudytheproblemofprogrticreinmentlearning,inwhichpolicies

arerepresentedasshortprogramsinasymboliclanguage.Progrticpoli-

ciescanbemoreinterpretable,generalizable,andamenabletoformalverification

thanneuralpolicies;however,designingrigorouslearningapproachesforsuch

policiesremainsachallenge.Ourapproachtothischallenge—ameta-algorithm

calledPROPEL—isbasedonthreeinsights.First,weviewourlearningtaskas

optimizationinspace,modulotheconstraintthatthedesiredhasa

progrticrepresentation,andsolvethisoptimizationproblemusingaformof

mirrordescentthattakesagradientstepintotheunconstrainedspaceand

thenprojectsbackontotheconstrainedspace.Second,weviewtheunconstrained

spaceasmixingneuralandprogrticrepresentations,whichenables

employingstate-of-the-artdeepgradientapproaches.Third,wecastthepro-

jectionstepasprogramsynthesisviaimitationlearning,andexploitcontemporary

combinatorialmethodsforthistask.Wepresenttheoreticalconvergenceresultsfor

PROPELandempiricallyevaluatetheapproachinthreecontinuouscontrols.

TheexperimentsshowthatPROPELcansignificantlyoutperformstate-of-the-art

approachesforlearningprogrticpolicies.

1Introduction

Agrowingbodyofwork

文档评论(0)

159****9610 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:6044052142000020

1亿VIP精品文档

相关文档