ICLR 2026论文提出DDCG与IVW-H改进策略梯度估计

Ku Onoda 等作者提交一篇入选 ICLR 2026 的 arXiv 论文（arXiv:2604.18161v2），研究可微分仿真器能否带来更好的策略梯度估计。论文提出 DDCG，一种仅用单一超参数、在非平滑区域切换估计器的轻量检测方法，以及 IVW-H，一种在可微分机器人控制任务中无需显式间断检测即可稳定方差的逐步逆方差实现。 作者称，以往基于 REINFORCE 置信区间的间断检测方法需要任务专属超参数调优且样本效率低，据此重新审视了先前工作中的标准不连续设置。论文覆盖机器学习、人工智能与机器人方向。

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。