V
主页
强化学习论文分享20230605
发布人
CROSS-TRAJECTORY REPRESENTATION LEARNING FOR ZERO-SHOT GENERALIZATION IN RL >内容简介:强化学习(RL) agent的一个非常理想的特性——也是深度RL方法的一个主要困难——是将在高维观察空间中几个任务中学习到的策略推广到训练中没有看到的类似任务的能力。许多有希望解决这个问题的方法都将RL视为同时训练两个函数的过程:将高维观测映射到潜在表示空间的复杂非线性编码器,以及在该空间上的简单线性策略。如果训练过程鼓励编码器将行为相似的观察结果映射到相似的表示,我们假设可以通过使用辅助SSL目标来训练RL中用于零射泛化的高级编码器,因为基于奖励的信号可能会导致编码器中的过拟合。我们提出了交叉轨迹表示学习(CTRL),这是一种运行在RL代理中的方法,通过对代理策略中的轨迹对应用一个新的SSL目标,使其编码器在观察中识别行为相似性。CTRL可以被视为具有与诱导伪模拟度量相同的效果,但最重要的是,它可以避免使用奖励和相关的过度拟合风险。 >关键词:RL, zero-shot generalization, behaviorally similar Self-Predictive Dynamics for Generalization of Vision-based Reinforcement Learning >内容简介:基于视觉的强化学习需要有效和鲁棒的基于图像的观察表示,特别是当图像包含分散注意力(与任务无关)的元素,如阴影,云和光线时。如果在训练中不加入这些干扰,这将影响泛化性能。文中设计了一种自预测动力学(SPD)方法,即使在未知的测试环境中也能有效地提取任务相关的特征。SPD并行地使用弱增强和强增强,并且通过预测跨双向增强版本的反向和正向状态转换来学习表示。在一组MuJoCo视觉控制任务和自动驾驶任务(CARLA)中,SPD在复杂的观察中优于以前的研究,并显着提高了不可见观察的泛化性能。 >关键词:Data Augmentations,Discriminator,Self-Predictive Dynamics
打开封面
下载高清视频
观看高清视频
视频下载器
强化学习论文分享20240613-2
强化学习论文分享2022-10-27
强化学习论文分享20240509
强化学习论文分享20240411_2
强化学习论文分享20240719_1
强化学习论文分享2022-09-29
强化学习论文分享20240131
CV强化论文分享20240523
强化学习论文分享2023-03-02
强化学习简介+DQN
强化学习论文分享20230410
强化学习论文分享20240411_1
强化学习论文分享20240117_3
强化学习论文分享2022-11-03
强化学习论文分享20240718-1
强化学习论文分享20240314_1
强化学习论文分享2023-01-05
强化学习论文分享20240307
强化学习论文分享20230629
CV强化论文分享20240530
强化学习论文分享20230515
强化学习专题分享20230801
强化学习论文分享20230807
深度强化学习零基础入门视频全套课程(68集),PPO算法/DQN算法/A3C 保姆级教程(学完即可就业)
强化学习论文分享2022-10-20
强化学习论文分享20230814
强化学习论文分享20230731
强化学习论文分享20230727
强化学习论文分享20240117_2
强化学习论文分享20240314_2
强化学习论文分享20240314_3
强化学习论文分享20240117_1
强化学习论文分享20240718-2
强化学习论文分享2022-12-08
强化学习论文分享2023-01-12
强化学习论文分享2023-02-09
强化学习论文分享20230316
强化学习论文分享20240110
强化学习论文分享2023-02-16
强化学习论文分享20230912