自适应专家引导实现高效同策略强化学习

针对 PPO 等同策略强化学习从零训练样本效率低、又难以利用次优专家（启发式、基于模型的控制器或相关任务策略）的问题，研究提出自适应专家引导方法，通过动态平衡专家影响与奖励学习来提升训练效率。现有方法通常以固定混合方式设定专家权重，难以兼顾早期引导与最终性能。