Soft Adversarial Offline Reinforcement Learning via Reducing the Attack Strength for Generalization

对抗制 强化学习 计算机科学 一般化 人工智能 钢筋 机器学习 工程类 数学 结构工程 数学分析
作者
Weidong Qiao,Rui Yang
标识
DOI:10.1145/3651671.3651762
摘要

Improving the generalization ability in offline reinforcement learning (RL) has received much attention in recent years. Existing adversarial RL approaches use adversarial training for the policy improvement, thus enhancing the generalization ability of RL agents. However, adversarial training severely hinders the performance improvement of agents in offline RL settings. This is because adversarial training is a pessimistic learning paradigm, where the adversarial attack patterns aim to improve the agents' generalization ability in worst-case scenarios. Such a learning paradigm struggles to improve the policy performance in the unstable training process of offline RL, thereby making it challenging to enhance generalization ability. To tackle this problem, we propose a novel offline adversarial RL approach, namely Soft Adversarial Offline Reinforcement Learning (SAORL), which learns soft adversarial examples by reducing the attack strength of adversarial examples in offline RL. Specifically, SAORL proposes the Wasserstein-based constraint on traditional adversarial examples, thus formulating a worse-case optimization problem to learn the soft adversarial examples. We conduct extensive experiments on D4RL to evaluate our approach, which demonstrates SAORL can improve agents' performance and zero-shot generalization ability.
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
1秒前
海阔天空完成签到 ,获得积分10
4秒前
小航完成签到 ,获得积分10
10秒前
bubble嘞完成签到 ,获得积分10
13秒前
18秒前
美满的皮卡丘完成签到 ,获得积分10
19秒前
LZJ完成签到 ,获得积分10
26秒前
任伟超完成签到,获得积分10
26秒前
小公完成签到,获得积分10
32秒前
wwww完成签到 ,获得积分10
38秒前
淡如水完成签到 ,获得积分10
43秒前
南浔完成签到 ,获得积分10
45秒前
wenbinvan完成签到,获得积分0
52秒前
penzer完成签到 ,获得积分10
52秒前
青黛完成签到 ,获得积分10
58秒前
酷波er应助WeiCY9886采纳,获得10
59秒前
123完成签到 ,获得积分10
1分钟前
G梦坠完成签到 ,获得积分10
1分钟前
1分钟前
终究是残念完成签到,获得积分10
1分钟前
AaronLiu完成签到 ,获得积分10
1分钟前
啦啦啦完成签到 ,获得积分10
1分钟前
刚子完成签到 ,获得积分10
1分钟前
楚襄谷完成签到 ,获得积分10
1分钟前
荔枝完成签到 ,获得积分10
1分钟前
小刘哥加油完成签到 ,获得积分10
1分钟前
1分钟前
康复小白完成签到 ,获得积分10
1分钟前
mark33442完成签到,获得积分10
1分钟前
1分钟前
1分钟前
tmobiusx完成签到,获得积分10
1分钟前
谷子完成签到 ,获得积分10
1分钟前
even完成签到 ,获得积分10
1分钟前
1分钟前
strings完成签到,获得积分10
1分钟前
WeiCY9886发布了新的文献求助10
2分钟前
logolush完成签到 ,获得积分10
2分钟前
123完成签到 ,获得积分10
2分钟前
kanong完成签到,获得积分0
2分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 910
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
Saponins and sapogenins. IX. Saponins and sapogenins of Luffa aegyptica mill seeds (black variety) 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 3261670
求助须知:如何正确求助?哪些是违规求助? 2902529
关于积分的说明 8319851
捐赠科研通 2572322
什么是DOI,文献DOI怎么找? 1397554
科研通“疑难数据库(出版商)”最低求助积分说明 653851
邀请新用户注册赠送积分活动 632305