关键词model-based deep reinforcement learning
搜索结果 - 4
- 模型为基础的深度强化学习在空气曲棍球中的应用
开发自动打冰球策略的研究，使用基于模型的深度强化学习结合自我对抗学习，解决了智能机器人对于不同对手策略的泛化和过拟合问题。同时探讨了想象力视域对于机器学习效果的影响。
- 基于模型的深度强化学习电压控制策略高效学习
提出了一种基于模型的深度强化学习方法，用于设计短期电压稳定性问题的紧急控制策略，并使用基于深度神经网络 的动态代理模型进行训练，最终在 IEEE 300 总线测试系统上实现了 97.5% 的样本效率和 87.7% 的训练效率。
- 基于模型集合的效率高的强化学习算法：探索与利用
本文提出了模型集成的方法 MEEE，其中含有一些特殊的探索和利用策略，解决了现有方法中存在的问题，包括计划探索、评估学习模型的不确定性以及更加合理利用学习模型等。在多项持续控制基准测试中，该方法表现优于其他无模型和有模型的现有方法，尤其在样 - ICML面向任务不可知的深度强化学习动态先验
通过学习通用的动力学先验以及使用物理视频进行预训练和微调，我们提出了一种加速政策学习和改进表现的基于模型的深度强化学习方法，同时也实现了更有效的环境迁移。