LEARNING
Warp RL：重塑基础策略分布以实现动力学适应
Ethan Hirschowitz, Fabio Ramos
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出Warp RL方法，用可逆的状态条件变换替代传统残差强化学习中的加法修正，以解决动力学偏移下基础策略分布形状、尺度无法调整的问题。实验表明，在多种ManiSkill3操作任务中，Warp RL在保持初始恒等映射的同时，能有效提升适应性能。
关键词
residual reinforcement learningdynamics adaptationnormalizing flowspolicy distributionrobot manipulation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018