Trust Region Policy Optimization

超参数 单调函数 信任域 多样性(控制论) 方案(数学) 非线性系统 计算机科学 数学优化 人工神经网络 深层神经网络 人工智能 强化学习 优化算法 数学 数学分析 物理 计算机安全 量子力学 半径
作者
John Schulman,Sergey Levine,Pieter Abbeel,Michael I. Jordan,Philipp Moritz
出处
期刊:International Conference on Machine Learning 卷期号:: 1889-1897 被引量:3377
摘要

In this article, we describe a method for optimizing control policies, with guaranteed monotonic improvement. By making several approximations to the theoretically-justified scheme, we develop a practical algorithm, called Trust Region Policy Optimization (TRPO). This algorithm is effective for optimizing large nonlinear policies such as neural networks. Our experiments demonstrate its robust performance on a wide variety of tasks: learning simulated robotic swimming, hopping, and walking gaits; and playing Atari games using images of the screen as input. Despite its approximations that deviate from the theory, TRPO tends to give monotonic improvement, with little tuning of hyperparameters.
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
PDF的下载单位、IP信息已删除 (2025-6-4)

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
清新的翠发布了新的文献求助30
1秒前
2秒前
2秒前
1111发布了新的文献求助10
2秒前
一株多肉完成签到 ,获得积分10
2秒前
lancerimpp完成签到,获得积分10
3秒前
3秒前
wangsai0532完成签到,获得积分10
3秒前
陈明娃完成签到,获得积分10
3秒前
3秒前
天天完成签到 ,获得积分10
4秒前
huangqx完成签到 ,获得积分20
4秒前
zqingqing完成签到,获得积分10
4秒前
5秒前
彭于晏应助tt采纳,获得10
5秒前
5秒前
务实鞅完成签到 ,获得积分10
5秒前
6秒前
星星会开花完成签到,获得积分10
6秒前
刺槐完成签到,获得积分10
6秒前
dropofwater完成签到,获得积分10
7秒前
13完成签到,获得积分10
7秒前
Birdy发布了新的文献求助10
7秒前
学不懂数学应助fussguai采纳,获得10
7秒前
7秒前
我是站长才怪应助TTT采纳,获得10
8秒前
鸭嘴兽发布了新的文献求助10
9秒前
羊羊发布了新的文献求助10
9秒前
xinluli完成签到,获得积分10
9秒前
9秒前
玄笺发布了新的文献求助10
10秒前
周围完成签到,获得积分10
10秒前
wqG完成签到,获得积分10
10秒前
羽翼发布了新的文献求助10
10秒前
shuii完成签到,获得积分10
11秒前
11秒前
甜馨完成签到,获得积分10
11秒前
所所应助偏偏意气用事采纳,获得10
11秒前
熊其琛完成签到,获得积分10
11秒前
大个应助dingtao采纳,获得10
12秒前
高分求助中
【提示信息,请勿应助】关于scihub 10000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Social Research Methods (4th Edition) by Maggie Walter (2019) 2390
A new approach to the extrapolation of accelerated life test data 1000
北师大毕业论文 基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 390
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
Robot-supported joining of reinforcement textiles with one-sided sewing heads 360
热门求助领域 (近24小时)
化学 材料科学 医学 生物 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 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4009044
求助须知:如何正确求助?哪些是违规求助? 3548827
关于积分的说明 11300025
捐赠科研通 3283345
什么是DOI,文献DOI怎么找? 1810345
邀请新用户注册赠送积分活动 886115
科研通“疑难数据库(出版商)”最低求助积分说明 811259