基于混合梯度的离散-连续混合动作空间策略优化

Matias Alvo, Daniel Russo, Yash Kanoria

2026

摘要

本文提出混合策略优化（HPO）方法，通过结合路径梯度和得分函数梯度，在离散-连续混合动作空间中实现无偏梯度估计。实验表明，HPO在库存控制和切换线性二次调节器问题上显著优于PPO算法。

reinforcement learninghybrid action spacespolicy optimizationmixed gradientsdifferentiable simulation

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026