论文提出带凸正则化的截断势垒策略梯度方法

Pekka Malo 等作者在 arXiv 发布论文 v3（修订版，替代 v2 并更改标题），提出预算约束下的截断势垒策略梯度方法：用势垒惩罚随预算减少而增长，并在 -m 处从下方截断奖励，截断水平 m 被称为“失败风险的价格”。论文附有代码。 理论上，论文证明最优值可精确分解为失败前的效用、边际成本与价格乘风险三项，并称在凸正则化下训练流指数收敛，将策略梯度的均值场收敛从相对熵扩展到 weight decay。实验在维护基准、油箱控制器等任务上度量了边界的松弛程度。

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。