arXiv cs.LG· Xinjie Liu, Ruihan Zhao, Anirban Chaudhuri, Cyrus Neary, Ufuk Topcu, David Fridovich-Keil·· 29 天前AI 评分34
多保真策略梯度稳定数据稀缺强化学习
Multi-Fidelity Policy Gradients Stabilize Data-Scarce Reinforcement Learning
AI 导读
研究人员提出 MFPG-PPO 算法，通过结合低保真数据构建控制变量，降低方差并解决数据稀缺下的强化学习不稳定问题。在模拟机器人运动任务中，MFPG-PPO 在最难任务下性能匹配使用 16x 高保真数据训练的 PPO。在物理 Franka 机械臂实验中，该算法无需人类演示，每次更新仅需 4 个真实机器人 episode 即可稳定学习。
来源：arXiv cs.LG · arxiv.org