.png){kind=icon}
返回
Cautious implicit value learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.109511.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
揭示了V网络损失中缺失的下一状态约束，激励了目标V网络和样本过滤，以谨慎地更新值函数和策略。
提出了轨迹位置加权方法，以利用轨迹信息，并以时间精细粒度动态调整V网络的悲观/乐观偏差。
负动作惩罚抑制被认为不值得的动作，并随机诱导近似的Actor梯度惩罚；引入浮动项以增加其发生频率。
Keyword:
Offline reinforcement learning
Implicit value learning
Target V-network
Advantage weight
Gradient penalty
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
.png){kind=icon}
