研究提出 excursion 策略用于离策略强化学习

Jiamin He 等作者提出一种名为 excursion 的策略：智能体先按目标策略执行多步“excursion”，再切回行为策略，作为行为策略与目标策略线性插值之外的一种结构化折中。作者称已给出该策略的动态规划结果，并推导出可证明正确的离策略 TD 算法用于估计其价值。 在连续控制基准上，作者报告其效率-稳定性权衡与 mixture 策略相当，但两者的行为机制存在概念差异。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。