研究者提出延迟同态强化学习框架DHRL应对延迟反馈

Jongsoo Lee 等人在 arXiv 发表论文，提出延迟同态强化学习框架 DHRL：基于 MDP 同态在增广状态空间上引入信念等价关系，把控制冗余的增广状态折叠为紧凑抽象状态，统一作用于 actor 与 critic，用于处理延迟反馈环境。 理论上，确定性动力学下该抽象保持最优性并恢复无延迟设定的样本复杂度阶；随机动力学下论文给出策略价值损失上界。其深度实现 D²HPG 在 MuJoCo 连续控制基准上优于强增广基线，长延迟场景优势更明显。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。