亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

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 地理 认识论 哲学 数学分析 生物 进化生物学 大地测量学
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.

科研通智能强力驱动
Strongly Powered by AbleSci AI
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
慕青应助lulu采纳,获得10
12秒前
25秒前
lulu发布了新的文献求助10
30秒前
烟花应助科研通管家采纳,获得10
1分钟前
科研通AI6应助科研通管家采纳,获得10
1分钟前
我是老大应助科研通管家采纳,获得10
1分钟前
1分钟前
1分钟前
1分钟前
华仔应助lynn_zhang采纳,获得10
1分钟前
1分钟前
蔓越莓奶酥完成签到,获得积分10
1分钟前
1分钟前
孙漪发布了新的文献求助10
1分钟前
彭于晏应助孙漪采纳,获得10
1分钟前
2分钟前
2分钟前
123发布了新的文献求助10
2分钟前
秦宇麒发布了新的文献求助10
2分钟前
石濑汤汤完成签到,获得积分10
2分钟前
啊z应助科研通管家采纳,获得10
3分钟前
科研通AI6应助科研通管家采纳,获得10
3分钟前
852应助2633148059采纳,获得10
3分钟前
aaaaaa完成签到,获得积分10
3分钟前
思源应助一生采纳,获得10
3分钟前
wodetaiyangLLL完成签到 ,获得积分10
4分钟前
陆康完成签到 ,获得积分10
4分钟前
4分钟前
默笙完成签到 ,获得积分10
4分钟前
4分钟前
4分钟前
三幅画发布了新的文献求助10
4分钟前
YYL完成签到 ,获得积分10
4分钟前
crazy发布了新的文献求助10
4分钟前
zzz完成签到 ,获得积分10
4分钟前
5分钟前
5分钟前
5分钟前
共享精神应助陈诚1111采纳,获得10
5分钟前
crazy完成签到,获得积分10
5分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
2025-2031全球及中国金刚石触媒粉行业研究及十五五规划分析报告 9000
Encyclopedia of the Human Brain Second Edition 8000
Translanguaging in Action in English-Medium Classrooms: A Resource Book for Teachers 700
Real World Research, 5th Edition 680
Qualitative Data Analysis with NVivo By Jenine Beekhuyzen, Pat Bazeley · 2024 660
Superabsorbent Polymers 600
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5681520
求助须知:如何正确求助?哪些是违规求助? 5008964
关于积分的说明 15175712
捐赠科研通 4841035
什么是DOI,文献DOI怎么找? 2594826
邀请新用户注册赠送积分活动 1547832
关于科研通互助平台的介绍 1505846