Sep, 2024

通过集成扩散模型和近端策略优化提高强化学习的样本效率和探索性

TL;DR本研究针对在线强化学习方法在资源受限或模拟环境中对实时数据的高需求这一问题,提出了一个框架,将扩散模型与近端策略优化算法结合,以生成高质量的虚拟轨迹,从而增强样本效率和探索性。实验结果表明,该方法在复杂任务中显著提升了累积奖励、收敛速度和策略稳定性,为高维复杂任务中的强化学习提供了新的理论与实践方法。