Transformer in Offline:Waypoint Transformer: Reinforcement Learning via Supervised Learning with Int

GCRL Workshop/ NIPS 2023
paper

Intro

Goal-conditioned RL 结合 Transformer 应用在Offline RL的设定下。

Method

在这里插入图片描述
tranformer网络参数通过最小化MSE损失函数优化:
arg ⁡ min ⁡ ϕ ∑ τ ∈ D L ϕ ( W ϕ ( s t , ω ) , s t + K ) \arg\min_\phi\sum_{\tau\in\mathcal{D}}L_\phi(W_\phi(s_t,\omega),s_{t+K}) argϕminτDLϕ(Wϕ(st,ω),st+K)
而对于 W ϕ W_\phi Wϕ通过最小化与平均累计reward的MSE优化:
arg ⁡ min ⁡ ϕ ∑ τ ∈ D ( [ 1 T − t ∑ t ′ = t T γ t r t ∑ t ′ = t T γ t r t ] ⊤ − W ϕ ( s t , ω ) ) 2 . \arg\min_\phi\sum_{\tau\in\mathcal{D}}(\left[\frac{1}{T-t}\sum_{t'=t}^T\gamma^tr_t\quad\sum_{t'=t}^T\gamma^tr_t\right]^\top-W_\phi(s_t,\omega))^2. argϕminτD([Tt1t=tTγtrtt=tTγtrt]Wϕ(st,ω))2.

Results

在这里插入图片描述

  • 14
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值