Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor

强化学习 最大熵原理 政策学习 计算机科学 人工智能 数理经济学 经济 机器学习
作者
Tuomas Haarnoja,Aurick Zhou,Pieter Abbeel,Sergey Levine
出处
期刊:Cornell University - arXiv 被引量:2797
标识
DOI:10.48550/arxiv.1801.01290
摘要

Model-free deep reinforcement learning (RL) algorithms have been demonstrated on a range of challenging decision making and control tasks. However, these methods typically suffer from two major challenges: very high sample complexity and brittle convergence properties, which necessitate meticulous hyperparameter tuning. Both of these challenges severely limit the applicability of such methods to complex, real-world domains. In this paper, we propose soft actor-critic, an off-policy actor-critic deep RL algorithm based on the maximum entropy reinforcement learning framework. In this framework, the actor aims to maximize expected reward while also maximizing entropy. That is, to succeed at the task while acting as randomly as possible. Prior deep RL methods based on this framework have been formulated as Q-learning methods. By combining off-policy updates with a stable stochastic actor-critic formulation, our method achieves state-of-the-art performance on a range of continuous control benchmark tasks, outperforming prior on-policy and off-policy methods. Furthermore, we demonstrate that, in contrast to other off-policy algorithms, our approach is very stable, achieving very similar performance across different random seeds.
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
izumi完成签到 ,获得积分10
1秒前
Li完成签到,获得积分10
2秒前
丘比特应助菜菜采纳,获得10
2秒前
2秒前
一蓑烟雨任平生完成签到,获得积分10
3秒前
大红红蝴蝶公主完成签到,获得积分10
4秒前
HH完成签到,获得积分10
5秒前
qqesk发布了新的文献求助10
6秒前
9秒前
所所应助Siney采纳,获得10
10秒前
中华大美猴完成签到,获得积分10
11秒前
xioayu完成签到 ,获得积分10
11秒前
14秒前
Ava应助qqesk采纳,获得10
15秒前
科目三应助yumo采纳,获得10
16秒前
英姑应助xx采纳,获得10
17秒前
lily完成签到,获得积分10
19秒前
yuiaa完成签到,获得积分10
22秒前
哈尔行者完成签到,获得积分10
23秒前
26秒前
asdfj应助焦糖玛奇朵采纳,获得10
28秒前
万能图书馆应助俏皮白云采纳,获得10
28秒前
28秒前
28秒前
29秒前
大气孱完成签到,获得积分10
30秒前
xiaozeng发布了新的文献求助30
31秒前
小十二完成签到,获得积分10
32秒前
跳跃的岂愈完成签到,获得积分10
32秒前
丘比特应助树池采纳,获得10
33秒前
白色之牙发布了新的文献求助10
34秒前
酷酷的皮皮虾完成签到,获得积分10
34秒前
35秒前
BBB完成签到,获得积分10
35秒前
Tony发布了新的文献求助10
36秒前
满意发布了新的文献求助10
36秒前
wish发布了新的文献求助10
37秒前
蚂蚱完成签到 ,获得积分10
38秒前
xxxgoldxsx完成签到 ,获得积分10
38秒前
潇洒老虎完成签到 ,获得积分10
38秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Becoming: An Introduction to Jung's Concept of Individuation 600
中国氢能技术发展路线图研究 500
Communist propaganda: a fact book, 1957-1958 500
Briefe aus Shanghai 1946‒1952 (Dokumente eines Kulturschocks) 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3168308
求助须知:如何正确求助?哪些是违规求助? 2819642
关于积分的说明 7927284
捐赠科研通 2479437
什么是DOI,文献DOI怎么找? 1320927
科研通“疑难数据库(出版商)”最低求助积分说明 632907
版权声明 602458