Behavior Regularized Offline Reinforcement Learning

强化学习 计算机科学 多样性(控制论) 简单(哲学) 在线和离线 人工智能 机器学习 离线学习 钢筋 在线学习 心理学 社会心理学 认识论 操作系统 万维网 哲学
作者
Yifan Wu,George Tucker,Ofir Nachum
出处
期刊:Cornell University - arXiv 被引量:111
摘要

In reinforcement learning (RL) research, it is common to assume access to direct online interactions with the environment. However in many real-world applications, access to the environment is limited to a fixed offline dataset of logged experience. In such settings, standard RL algorithms have been shown to diverge or otherwise yield poor performance. Accordingly, recent work has suggested a number of remedies to these issues. In this work, we introduce a general framework, behavior regularized actor critic (BRAC), to empirically evaluate recently proposed methods as well as a number of simple baselines across a variety of offline continuous control tasks. Surprisingly, we find that many of the technical complexities introduced in recent methods are unnecessary to achieve strong performance. Additional ablations provide insights into which design choices matter most in the offline RL setting.
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
爆米花应助科研通管家采纳,获得10
刚刚
脑洞疼应助科研通管家采纳,获得10
刚刚
科研通AI2S应助科研通管家采纳,获得10
刚刚
pluto应助科研通管家采纳,获得10
刚刚
我是老大应助科研通管家采纳,获得10
刚刚
科研通AI2S应助科研通管家采纳,获得10
刚刚
香蕉觅云应助科研通管家采纳,获得10
刚刚
小二郎应助科研通管家采纳,获得10
1秒前
科研通AI2S应助科研通管家采纳,获得30
1秒前
1秒前
共享精神应助科研通管家采纳,获得10
1秒前
Owen应助科研通管家采纳,获得10
1秒前
酷波er应助科研通管家采纳,获得10
1秒前
SciGPT应助科研通管家采纳,获得10
1秒前
pluto应助科研通管家采纳,获得10
1秒前
Lucas应助科研通管家采纳,获得10
1秒前
1秒前
1秒前
我是老大应助科研通管家采纳,获得10
2秒前
传奇3应助科研通管家采纳,获得10
2秒前
在水一方应助科研通管家采纳,获得10
2秒前
薰硝壤应助科研通管家采纳,获得20
2秒前
2秒前
abc应助科研通管家采纳,获得10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
所所应助科研通管家采纳,获得10
2秒前
Lucas应助科研通管家采纳,获得10
2秒前
热心的匕应助科研通管家采纳,获得10
2秒前
2秒前
2秒前
2秒前
2秒前
3秒前
DQY完成签到,获得积分10
3秒前
炙热晓露发布了新的文献求助10
3秒前
打打应助yoyo采纳,获得10
4秒前
haonanchen完成签到,获得积分10
5秒前
orixero应助要减肥千筹采纳,获得10
6秒前
科研狗完成签到,获得积分10
7秒前
一念之间发布了新的文献求助10
7秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger 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 3140918
求助须知:如何正确求助?哪些是违规求助? 2791878
关于积分的说明 7800737
捐赠科研通 2448159
什么是DOI,文献DOI怎么找? 1302404
科研通“疑难数据库(出版商)”最低求助积分说明 626548
版权声明 601226