亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Dual Behavior Regularized Offline Deterministic Actor–Critic

对偶(语法数字) 计算机科学 人工智能 艺术 文学类
作者
Shuo Cao,Xuesong Wang,Yuhu Cheng
出处
期刊:IEEE transactions on systems, man, and cybernetics [Institute of Electrical and Electronics Engineers]
卷期号:54 (8): 4841-4852 被引量:9
标识
DOI:10.1109/tsmc.2024.3388007
摘要

To mitigate the extrapolation error arising from offline reinforcement learning (RL) paradigm, existing methods typically make learned Q-functions over-conservative or enforce global policy constraints. In this article, we propose a dual behavior regularized offline deterministic Actor-Critic (DBRAC) by simultaneously performing behavior regularization on the coupling-iterative policy evaluation (PE) and policy improvement (PI) in the policy iteration process. In the PE phase, the difference between the Q-function and behavior value is first taken as the anti-exploration behavior value regularization term to drive the Q-function toward its true Q-value, which significantly reduces the conservatism of learned Q-function. In the PI phase, the estimated action variances of behavior policy in different states are then utilized for designing the weight and threshold of mild-local behavior cloning regularization term, which standardizes the local improvement potential of learned policy. Experiments on the well-known datasets for deep data-driven RL (D4RL) demonstrate that the DBRAC can quickly learn more competitive task-solving policies in various offline situations with different data qualities, significantly outperforming state-of-the-art offline RL baselines.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
多情柚子完成签到,获得积分10
19秒前
冰水完成签到,获得积分10
34秒前
35秒前
冰水发布了新的文献求助30
40秒前
踏实的白卉完成签到,获得积分10
42秒前
shoemaker完成签到,获得积分10
1分钟前
1分钟前
charlie11完成签到,获得积分10
1分钟前
直率的宛丝完成签到,获得积分10
1分钟前
1分钟前
Martina发布了新的文献求助10
1分钟前
稳重若男完成签到,获得积分10
1分钟前
腼腆的夏蓉完成签到,获得积分10
1分钟前
1分钟前
2分钟前
2分钟前
呆萌的若剑完成签到,获得积分10
2分钟前
震动的醉蓝完成签到,获得积分10
2分钟前
MchemG完成签到,获得积分0
2分钟前
2分钟前
Dafu完成签到,获得积分10
2分钟前
2分钟前
哭泣无招完成签到,获得积分10
3分钟前
3分钟前
3分钟前
滴滴答答发布了新的文献求助10
3分钟前
文静飞松完成签到,获得积分10
3分钟前
3分钟前
Hello的应助被滴滴答答采纳,获得30
3分钟前
傻傻的冰烟完成签到,获得积分10
3分钟前
魔幻雪兰完成签到,获得积分10
4分钟前
4分钟前
Owen的应助被科研通管家采纳,获得10
4分钟前
小胜完成签到 ,获得积分10
4分钟前
Martina发布了新的文献求助10
4分钟前
4分钟前
4分钟前
4分钟前
4分钟前
4分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Encyclopedia of Modern Artificial Intelligence 1000
Особенности технологий и методов информационно-психологических войн СССР с Великобританией и США в период 1939-1953 гг 1000
Das Matthäusevangelium: Kapitel 1:1–17 1000
IRTSD: Open-Source Data and Toolset for Electromagnetic Transient Analysis of Disturbances and IBR Control Malfunctions in Transmission Systems 1000
Entre Praga y Madrid : los contactos checoslovaco-españoles (1948-1977) 600
A REVIEW OF THE V-22 DYNAMICS VALIDATION PROGRAM 600
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8129659
求助须知:如何正确求助?哪些是违规求助? 9532136
关于积分的说明 21593193
捐赠科研通 7711172
什么是DOI,文献DOI怎么找? 3417942
关于科研通互助平台的介绍 2543527
邀请新用户注册赠送积分活动 2459106