跳到主要内容
检索

Zhuoran Liang

1 篇关联报道

订阅更新
  1. arXiv

    外部建议不再只用一次:Encoder BPA 用隐状态编码检索旧建议,早期训练更快

    交互式强化学习里的外部建议过去往往只用一次就丢弃,Broad-Persistent Advising 靠 K-means 聚类把建议复用到相似状态,但高维机器人环境中聚类数很少,行为不同的状态可能被并到一起。Encoder BPA 改用预训练编码器把最近状态序列映射为隐表示,再按余弦相似度、top-k 聚合和一致性条件检索旧建议。在 Cart-Pole、Inverted Pendulum、MuJoCo Ant 和部分可观测 Ant 上,它在训练早期比纯强化学习、非持久、持久建议和原 BPA 表现更好,连续动作环境中后期则可能因复用不当建议而回落。

已读完全部报道