BriefGPT.xyz
Mar, 2019
通用离线演员-评论家
Generalized Off-Policy Actor-Critic
HTML
PDF
Shangtong Zhang, Wendelin Boehmer, Shimon Whiteson
TL;DR
提出了一个新的目标函数，counterfactual objective，用于解决连续强化学习中离线策略梯度算法中的问题，得到了广义离线策略梯度定理，并发展出了广义离线行动者-评论者算法（Geoff-PAC），通过模拟机器人实验表明其优于现有算法。
Abstract
We propose a new objective, the
counterfactual objective
, unifying existing objectives for
off-policy policy gradient
algorithms in the
continuin
→