新算法通过蒙特卡洛规划实现在线鲁棒强化学习
论文AI 评分 65/100arXiv cs.AI待复核
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究人员提出了一种蒙特卡洛树搜索（MCTS）的鲁棒变体，旨在解决模拟器与现实世界动态不匹配带来的模糊性。该算法引入鲁棒幂平均备份算子和探索奖励，确保搜索树节点的有限样本收敛。根节点值估计收敛率达到 O(n^-1/2)，与标准 MCTS 相当。实验表明，该方法在奖励分布和转移动力学存在显著模糊性时仍能保持稳健性能。
为什么值得看
解决了模拟与现实的鸿沟，提升了强化学习在复杂现实场景中的可靠性。
强化学习
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。