arXiv cs.AI· Seiji Ishihara·· 3 天前AI 评分12
将 AIRL 奖励估计与模糊推理及策略梯度控制方法相结合
Integrating AIRL-Based Reward Estimation into a Control Method Using Fuzzy Inference and Policy Gradient
AI 导读
该论文提出一种模糊控制方法，将基于对抗逆强化学习（AIRL）的奖励估计机制集成到策略梯度与模糊推理结合的基础模型中。方法将基础模型的策略作为生成器，并把策略中的隶属函数集合用作判别器的代价函数，使奖励估计的判别器更新与策略估计的生成器更新在共享参数上同步进行，无需估计价值函数。在车辆速度控制任务的仿真中，该方法通过稳定高效的学习获得了泛化性能较高的策略。
正文 · AI 翻译
摘要：提出了一种将策略梯度与模糊推理相结合的方法。该方法在下文中称为基础模型，在模糊推理规则和模糊表示的配置方面具有高度灵活性。它还可以使用相同的学习框架自动调整规则权重以及前件和后件部分的隶属函数。然而，在将强化学习与模糊推理相结合的方法中，奖励函数必须预先设计。因此，向基础模型添加基于学习的奖励估计是有用的。本文提出了一种模糊控制方法，将基于对抗逆强化学习（AIRL）框架的奖励估计机制集成到基础模型中。然而，AIRL 中采用的生成对抗网络（GAN）框架往往存在学习不稳定的问题。为了解决这个问题，所提出的方法将基础模型的策略视为生成器，并同时将策略中的隶属函数集合用作判别器的代价函数。这种配置允许用于奖励估计的判别器更新和用于策略估计的生成器更新在两者共享的参数上同时进行，而无需估计价值函数。在说明性车辆速度控制任务的仿真中，所提出的方法通过稳定且高效的学习获得了具有高泛化性能的策略。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14723 [cs.LG] |
| （或 arXiv:2610.14723v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14723 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Seiji Ishihara [查看电子邮件]
[v1]
2026年10月10日星期六 08:45:02 UTC（987 KB）
来源：arXiv cs.AI · arxiv.org