研究提出密度引导的自举边界方法

Shashank Gupta 和 Pilhwa Lee 提出密度引导的自举边界方法，用于潜在世界模型强化学习。该方法根据想象轨迹的可靠性动态调整回报展开深度，以减少不可靠预测对价值估计的影响，并设计硬边界和软边界两种门控方式。 研究不依赖特定动力学模型，并在 Dreamer V3 中实现。理论分析证明，门控 Bellman 算子具有严格压缩性，提前进行 critic 自举可单调降低条件目标方差。连续控制任务和 Atari Pong 实验显示，与固定展开步长及启用辅助机制的基线方法相比，动态边界选择提高了样本效率和训练后期性能。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。