![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ICML 2024
文章平均质量分 95
收到求救信号
这个作者很懒,什么都没留下…
展开
-
Seizing Serendipity: Exploiting the Value of Past Success in Off-Policy Actor-Critic
实验全面,效果也好。从价值函数估计角度出发,探索replayBuffer中样本的利用,进而提升sample efficiency。这与上一篇的OBAC的一个共同点,就是利用offline的RL方法得到一个价值函数的表达,OBAC注重用它在策略层面的引导,而本文则侧重通过bellman算子在价值函数本身的改造。原创 2024-09-06 19:49:45 · 497 阅读 · 0 评论 -
Offline-Boosted Actor-Critic: Adaptively Blending Optimal Historical Behaviors in Deep Off-Policy RL
ICML 2024。原创 2024-09-04 16:09:25 · 603 阅读 · 0 评论