arXiv cs.LG· Amine Andam, Jamal Bentahar, Mustapha Hedabou·· 7 小时前AI 评分14
基于正则化的鲁棒强化学习：一种统一且带约束的视角
A Unified and Constrained View of Regularization-Based Robust Reinforcement Learning
AI 导读
该论文为基于正则化的鲁棒强化学习提出统一框架，推导出名义策略与最坏情况策略性能差距的新上界，每个上界可表示为现有正则化目标加上两者间的 KL 散度惩罚，解释了实践中加入 KL 惩罚能提升鲁棒性的原因。作者据此将鲁棒训练建模为约束优化问题，指出现有方法对应固定 Lagrange 乘子的特例，并让乘子与策略联合更新以自动调节正则化权重，最后在多个连续控制任务上通过对抗评估验证了理论分析。
来源：arXiv cs.LG · arxiv.org