Pessimistic Bootstrapping for Uncertainty-Driven Offline Reinforcement Learning

自举(财务) 强化学习 计算机科学 水准点(测量) 悲观 外推法 一般化 人工智能 过度拟合 贝尔曼方程 功能(生物学) 价值(数学) 机器学习 数学优化 数学 计量经济学 统计 人工神经网络 数学分析 哲学 大地测量学 认识论 进化生物学 生物 地理
作者
Chenjia Bai,Lingxiao Wang,Zhuoran Yang,Zhihong Deng,Animesh Garg,Peng Liu,Zhaoran Wang
出处
期刊:Cornell University - arXiv 被引量:17
标识
DOI:10.48550/arxiv.2202.11566
摘要

Offline Reinforcement Learning (RL) aims to learn policies from previously collected datasets without exploring the environment. Directly applying off-policy algorithms to offline RL usually fails due to the extrapolation error caused by the out-of-distribution (OOD) actions. Previous methods tackle such problem by penalizing the Q-values of OOD actions or constraining the trained policy to be close to the behavior policy. Nevertheless, such methods typically prevent the generalization of value functions beyond the offline data and also lack precise characterization of OOD data. In this paper, we propose Pessimistic Bootstrapping for offline RL (PBRL), a purely uncertainty-driven offline algorithm without explicit policy constraints. Specifically, PBRL conducts uncertainty quantification via the disagreement of bootstrapped Q-functions, and performs pessimistic updates by penalizing the value function based on the estimated uncertainty. To tackle the extrapolating error, we further propose a novel OOD sampling method. We show that such OOD sampling and pessimistic bootstrapping yields provable uncertainty quantifier in linear MDPs, thus providing the theoretical underpinning for PBRL. Extensive experiments on D4RL benchmark show that PBRL has better performance compared to the state-of-the-art algorithms.
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
皇帝的床帘应助wwww采纳,获得30
刚刚
1秒前
小脸发布了新的文献求助10
2秒前
小学生发布了新的文献求助10
2秒前
小二郎应助温暖的碧彤采纳,获得10
3秒前
4秒前
4秒前
田様应助LLLL采纳,获得10
5秒前
叶子完成签到,获得积分10
5秒前
彭于晏应助YY采纳,获得10
6秒前
L061114完成签到 ,获得积分10
6秒前
6秒前
6秒前
caicai发布了新的文献求助10
7秒前
flora发布了新的文献求助10
9秒前
坚强的代曼完成签到,获得积分10
9秒前
赘婿应助张兮兮采纳,获得10
10秒前
10秒前
Rohee发布了新的文献求助10
10秒前
大布发布了新的文献求助20
11秒前
从容芮应助科研通管家采纳,获得10
12秒前
甜甜玫瑰应助科研通管家采纳,获得10
12秒前
从容芮应助科研通管家采纳,获得10
12秒前
李健应助科研通管家采纳,获得10
12秒前
华仔应助科研通管家采纳,获得150
12秒前
科研通AI2S应助科研通管家采纳,获得10
12秒前
彭于晏应助科研通管家采纳,获得10
12秒前
从容芮应助科研通管家采纳,获得10
12秒前
FashionBoy应助科研通管家采纳,获得10
12秒前
CipherSage应助科研通管家采纳,获得10
12秒前
13秒前
从容芮应助科研通管家采纳,获得10
13秒前
甜甜玫瑰应助科研通管家采纳,获得10
13秒前
pluto应助科研通管家采纳,获得10
13秒前
feb完成签到,获得积分10
13秒前
斯文败类应助科研通管家采纳,获得10
13秒前
从容芮应助科研通管家采纳,获得10
13秒前
完美世界应助科研通管家采纳,获得10
13秒前
汉堡包应助科研通管家采纳,获得10
13秒前
甜甜玫瑰应助科研通管家采纳,获得10
13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 3161577
求助须知:如何正确求助?哪些是违规求助? 2812863
关于积分的说明 7897487
捐赠科研通 2471775
什么是DOI,文献DOI怎么找? 1316151
科研通“疑难数据库(出版商)”最低求助积分说明 631219
版权声明 602112