正在接受ICLR
2024会议评审
可微分轨迹优化作为强化学习与模仿学习的策略类别
作者本文处于双盲评审阶段
本文提出DiffTOP——一种基于可微分轨迹优化生成策略动作的强化
学习与模仿学习新策略类别。轨迹优化是控制领域强大且广泛使用的算法,
其参数由成本函数和动力学函数决定。我们的方法在于利用可微分轨
迹优化的进展,通过计算损失函数对轨迹优化参数的梯度,实现端到
端学习成本函数与动力学函数(例如通过强化学习的策略梯
您可能关注的文档
最近下载
- YAMAHA雅马哈RX-V3800安装说明书.pdf
- XX滨江文旅商业街详细设计文本.pdf VIP
- ISO14001ISO45001环境和职业健康安全管理体系程序文件.docx
- 2026年党员应知应会知识题附答案.docx VIP
- 跨境电子商务视觉设计:跨境电商店铺定位与商品详情页视觉设计PPT教学课件.pptx VIP
- UDC-311AG线路保护测控装置说明书(国网常规站版).pdf VIP
- 对辊机安全操作规程.doc VIP
- 《中国文化概况》中英对照完整版(全文带翻译).docx VIP
- 我为什么要写中华民族是一个.顾颉刚.pdf VIP
- 2026年党员应知应会知识题附答案.docx VIP
原创力文档

文档评论(0)