带凸正则的裁剪屏障策略梯度论文修订

Pekka Malo 等作者发布带凸正则化的裁剪屏障策略梯度方法修订版。该方法把剩余预算放入状态，减去随预算收缩而增长的屏障项，并将组合奖励从下方截断在 -m，m 被称为“失败风险的价格”。 作者称，在参数正则化沿网络单元运动凸、且相对该价格足够强并偏向先验策略的条件下，种群训练流呈指数收敛，从而把策略梯度的平均场收敛从相对熵扩展到权重衰减。实验在维护基准、油箱控制器等任务上测量了界的松弛度。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。