正则化奖惩强化学习

Jiexin Wang, Eiji Uchibe

摘要

本文提出了一种基于KL耦合策略正则化的奖惩强化学习框架，通过策略级协调实现奖励与惩罚信息的联合优化。在网格世界和Gazebo机器人导航任务中，该方法在保持任务性能的同时提升了安全性和学习稳定性。

reinforcement learningpolicy regularizationreward-punishmentnavigationsafety

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