arXiv cs.LG· Xun Shen, Yuepeng Wang, Daniyal Sajedi-Hosseini, Akifumi Wachi, Ken Kawano, Yoshihiko Fujisawa, Mehrshad Sadria, S\'ebastien Gros, Katsuki Fujisawa·· 12 天前AI 评分33
用于稳定状态分布的基于相异度马尔可夫决策过程
Dissimilarity-Based Markov Decision Processes for Stabilizing State Distributions
AI 导读
研究者提出了基于相异度马尔可夫决策过程（DMDP）理论框架，通过使策略作用于当前状态分布并以目标分布的相异度为优化目标，实现状态分布的渐近稳定。该框架引入了分布的有限维表示，推导了稳定性保证条件，并量化了学习和估计误差对稳定性的影响。实践中，研究者将分布估计与目标相关奖励结合至 PPO 和 SAC 算法，在 HalfCheetah 任务上验证了调节速度分布的有效性。
来源：arXiv cs.LG · arxiv.org