可微分轨迹优化在强化与模仿学习中策略应用研究.pdf

可微分轨迹优化在强化与模仿学习中策略应用研究.pdf

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

文档评论(0)

1亿VIP精品文档

相关文档