Relative Entropy Regularized Sample-Efficient Reinforcement Learning With Continuous Actions

强化学习 计算机科学 正规化(语言学) Kullback-Leibler散度 人工智能 Softmax函数 熵(时间箭头) 数学优化 机器学习 数学 深度学习 物理 量子力学
作者
Zhiwei Shang,Renxing Li,Chunhua Zheng,Huiyun Li,Yunduan Cui
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:: 1-11 被引量:1
标识
DOI:10.1109/tnnls.2023.3329513
摘要

In this article, a novel reinforcement learning (RL) approach, continuous dynamic policy programming (CDPP), is proposed to tackle the issues of both learning stability and sample efficiency in the current RL methods with continuous actions. The proposed method naturally extends the relative entropy regularization from the value function-based framework to the actor-critic (AC) framework of deep deterministic policy gradient (DDPG) to stabilize the learning process in continuous action space. It tackles the intractable softmax operation over continuous actions in the critic by Monte Carlo estimation and explores the practical advantages of the Mellowmax operator. A Boltzmann sampling policy is proposed to guide the exploration of actor following the relative entropy regularized critic for superior learning capability, exploration efficiency, and robustness. Evaluated by several benchmark and real-robot-based simulation tasks, the proposed method illustrates the positive impact of the relative entropy regularization including efficient exploration behavior and stable policy update in RL with continuous action space and successfully outperforms the related baseline approaches in both sample efficiency and learning stability.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
千里江山一只蝇完成签到,获得积分10
3秒前
3秒前
星辰大海应助Realrr采纳,获得10
4秒前
慕青应助6666采纳,获得10
5秒前
顾茗发布了新的文献求助10
6秒前
6秒前
7秒前
7秒前
yufei发布了新的文献求助10
9秒前
JamesPei应助流星雨采纳,获得10
9秒前
jobs发布了新的文献求助20
9秒前
10秒前
10秒前
张宝发布了新的文献求助10
10秒前
邱帅发布了新的文献求助10
10秒前
klicking发布了新的文献求助30
12秒前
阳光怀亦发布了新的文献求助50
12秒前
Cola完成签到,获得积分10
13秒前
13秒前
14秒前
思源应助zhen采纳,获得10
14秒前
思源应助李吉婷采纳,获得10
15秒前
16秒前
Lucas应助言言言言采纳,获得10
17秒前
17秒前
17秒前
ray发布了新的文献求助10
19秒前
胡子给胡子的求助进行了留言
19秒前
骑羊完成签到,获得积分10
19秒前
ggg发布了新的文献求助10
21秒前
邱帅完成签到,获得积分10
24秒前
Clover完成签到 ,获得积分10
24秒前
25秒前
26秒前
28秒前
顾矜应助大宝S欧D蜜采纳,获得10
28秒前
今后应助ggg采纳,获得10
28秒前
29秒前
tianliangjie9712完成签到,获得积分10
29秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161657
求助须知:如何正确求助?哪些是违规求助? 2812907
关于积分的说明 7897803
捐赠科研通 2471830
什么是DOI,文献DOI怎么找? 1316176
科研通“疑难数据库(出版商)”最低求助积分说明 631245
版权声明 602129