Dec, 2018
软性演员-评论家算法及其应用
Soft Actor-Critic Algorithms and Applications
TL;DR本文介绍了一种基于最大熵强化学习框架的离线演员-评论家算法 Soft Actor-Critic,其中演员旨在同时最大化期望回报和熵,以在任务中成功执行尽可能随机的动作。作者通过对其进行一系列改进,如约束模型等,提高了模型的稳定性和训练速度,并在基准任务以及四足机器人的运动和灵巧手的机器人操作等现实世界挑战任务中取得了最先进的性能,在样本效率和渐近性能方面优于以往的在线和离线算法。