Distributional Soft Actor-Critic: Off-Policy Reinforcement Learning for Addressing Value Estimation Errors

强化学习 贝尔曼方程 嵌入 计算机科学 功能(生物学) 差异(会计) 数学优化 价值(数学) 数学 人工智能 机器学习 经济 进化生物学 生物 会计
作者
Jingliang Duan,Yang Guan,Shengbo Eben Li,Yangang Ren,Qi Sun,Bo Cheng
出处
期刊:IEEE transactions on neural networks and learning systems [Institute of Electrical and Electronics Engineers]
卷期号:33 (11): 6584-6598 被引量:119
标识
DOI:10.1109/tnnls.2021.3082568
摘要

In reinforcement learning (RL), function approximation errors are known to easily lead to the Q -value overestimations, thus greatly reducing policy performance. This article presents a distributional soft actor-critic (DSAC) algorithm, which is an off-policy RL method for continuous control setting, to improve the policy performance by mitigating Q -value overestimations. We first discover in theory that learning a distribution function of state-action returns can effectively mitigate Q -value overestimations because it is capable of adaptively adjusting the update step size of the Q -value function. Then, a distributional soft policy iteration (DSPI) framework is developed by embedding the return distribution function into maximum entropy RL. Finally, we present a deep off-policy actor-critic variant of DSPI, called DSAC, which directly learns a continuous return distribution by keeping the variance of the state-action returns within a reasonable range to address exploding and vanishing gradient problems. We evaluate DSAC on the suite of MuJoCo continuous control tasks, achieving the state-of-the-art performance.
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
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
今后应助qqqqqq采纳,获得10
1秒前
小马甲应助飞羽采纳,获得10
1秒前
星辰大海应助西内!卡Q因采纳,获得10
2秒前
2秒前
彬彬发布了新的文献求助10
3秒前
太叔捕完成签到,获得积分10
3秒前
高磊发布了新的文献求助10
4秒前
RH完成签到,获得积分10
4秒前
zhangzhen完成签到,获得积分10
4秒前
5秒前
科研通AI2S应助zfzf0422采纳,获得10
7秒前
Wendy1204发布了新的文献求助10
8秒前
8秒前
lydy1993完成签到,获得积分10
9秒前
10秒前
滴滴哒哒完成签到 ,获得积分10
10秒前
SciGPT应助波波玛奇朵采纳,获得10
12秒前
戏言121完成签到,获得积分10
12秒前
迷人的映雁完成签到,获得积分10
13秒前
13秒前
美丽的之双完成签到,获得积分10
14秒前
阿会完成签到,获得积分10
14秒前
wqm完成签到,获得积分10
15秒前
戏言121发布了新的文献求助10
16秒前
16秒前
17秒前
优雅的流沙完成签到 ,获得积分10
18秒前
猫的海完成签到,获得积分10
18秒前
18秒前
Eason Liu完成签到,获得积分0
19秒前
Wendy1204完成签到,获得积分20
19秒前
Hello应助654采纳,获得10
19秒前
咩咩羊完成签到,获得积分10
19秒前
23秒前
lianqing完成签到,获得积分10
23秒前
汉堡包应助科研通管家采纳,获得10
23秒前
领导范儿应助科研通管家采纳,获得10
24秒前
RC_Wang应助科研通管家采纳,获得10
24秒前
科研通AI5应助科研通管家采纳,获得10
24秒前
所所应助科研通管家采纳,获得10
24秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
Luis Lacasa - Sobre esto y aquello 700
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527990
求助须知:如何正确求助?哪些是违规求助? 3108173
关于积分的说明 9287913
捐赠科研通 2805882
什么是DOI,文献DOI怎么找? 1540119
邀请新用户注册赠送积分活动 716941
科研通“疑难数据库(出版商)”最低求助积分说明 709824