逆向Q学习

Aditya Oberai, Seohong Park, Sergey Levine

摘要

本文提出了一种基于流匹配的离线强化学习算法——逆向Q学习（RQL），通过扩展马尔可夫决策过程框架和反向流生成虚拟轨迹，解决了离线策略学习中的长时域问题。在50个模拟机器人任务上，RQL相比现有基于流的离线RL方法取得了最佳平均性能。

offline reinforcement learningflow matchingQ-learningrobotic controlpolicy optimization

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018