专家行为先验强化学习

Gong Gao, Weidong Zhao, Xianhui Liu, Ning Jia

摘要

该论文提出了一种专家行为先验（EBP）算法，通过Q引导的条件变分自编码器（Q-CVAE）从在线回放缓冲区生成专家策略先验，无需依赖离线演示。该方法结合专家策略引导机制，提升了在线强化学习的样本效率和策略稳定性。

reinforcement learningbehavior priorexpert policysample efficiencyQ-CVAE

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