清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

Online Adaptable Offline RL With Guidance Model

适应性 计算机科学 强化学习 软件部署 在线和离线 机器学习 人工智能 在线学习 在线模型 多媒体 软件工程 生态学 数学 生物 统计 操作系统
作者
Xun Wang,Jingmian Wang,Zhuzhong Qian,Bolei Zhang
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:36 (11): 19762-19774
标识
DOI:10.1109/tnnls.2025.3589418
摘要

Reinforcement learning (RL) has emerged as a promising approach across various applications, yet its reliance on repeated trial-and-error learning to develop effective policies from scratch poses significant challenges for deployment in scenarios where interaction is costly or constrained. In this work, we investigate the offline-to-online RL paradigm, wherein policies are initially pretrained using offline historical datasets and subsequently fine-tuned with a limited amount of online interaction. Previous research has suggested that efficient offline pretraining is crucial for achieving optimal final performance. However, it is challenging to incorporate appropriate conservatism to prevent the overestimation of out-of-distribution (OOD) data while maintaining adaptability for online fine-tuning. To address these issues, we propose an effective offline RL algorithm that integrates a guidance model to introduce suitable conservatism and ensure seamless adaptability to online fine-tuning. Our rigorous theoretical analysis and extensive experimental evaluations demonstrate better performance of our novel algorithm, underscoring the critical role played by the guidance model in enhancing its efficacy.
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
珍珠完成签到 ,获得积分10
3秒前
隋菿99完成签到,获得积分20
5秒前
jlwang完成签到,获得积分10
5秒前
马仔猴完成签到 ,获得积分10
33秒前
44秒前
沙海沉戈完成签到,获得积分0
1分钟前
1分钟前
Wang发布了新的文献求助10
1分钟前
1分钟前
Duke_ethan完成签到,获得积分10
1分钟前
小马甲应助LucyMartinez采纳,获得10
1分钟前
1分钟前
1分钟前
LucyMartinez发布了新的文献求助10
1分钟前
房天川完成签到 ,获得积分10
2分钟前
XRH完成签到,获得积分10
2分钟前
鑫鑫完成签到,获得积分10
2分钟前
2分钟前
忘忧Aquarius完成签到,获得积分0
2分钟前
顺利大门发布了新的文献求助50
2分钟前
清野完成签到 ,获得积分10
2分钟前
不安的如天完成签到,获得积分10
2分钟前
有延迟完成签到 ,获得积分10
3分钟前
貔貅完成签到 ,获得积分10
3分钟前
一天完成签到 ,获得积分10
3分钟前
凌泉完成签到 ,获得积分10
3分钟前
番茄黄瓜芝士片完成签到 ,获得积分10
3分钟前
3分钟前
gzhy完成签到,获得积分10
4分钟前
丘比特应助Issei采纳,获得10
4分钟前
4分钟前
冷静的尔竹完成签到,获得积分10
4分钟前
Axel完成签到,获得积分10
4分钟前
4分钟前
淡然的冬瓜完成签到,获得积分10
4分钟前
粗暴的镜子完成签到,获得积分10
4分钟前
佳言2009完成签到 ,获得积分10
4分钟前
muriel完成签到,获得积分0
4分钟前
creep2020完成签到,获得积分0
4分钟前
一方完成签到,获得积分10
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
48V Low-voltage Power Distribution Network (PDN) Architecture Industry Report, 2024 800
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 700
适配Micro-LED色转换的高兼容性量子点负性光刻胶制备与工艺研究 500
Direct and Iterative Linear System Solvers 500
Vander's Renal Physiology第10版 500
Rocket Propulsion Elements, 10th Edition 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7305072
求助须知:如何正确求助?哪些是违规求助? 8923105
关于积分的说明 18902034
捐赠科研通 6967964
什么是DOI,文献DOI怎么找? 3212183
关于科研通互助平台的介绍 2381003
邀请新用户注册赠送积分活动 2189517