耦合流策略优化算法

降低多步预测误差

通过耦合流最小化真实与学习状态-动作分布差异，缓解基于模型强化学习的累积预测误差，提升长期性能。

Gong, Shengrong · Yi, Wang · Xin, Du · Yuya, Sun · 周立凡 · Zhong, Shan

Engineering Applications of Artificial Intelligence 2025

技术优势

多步误差更小

耦合流损失函数同时充当判别器，选择更准确的 rollout 用于策略学习，并作为奖励信号优化动力学模型，从而减少多步误差。

理论上有保证

理论分析建立了期望回报差异的上界，为该方法的性能提供了正式保证。

应用场景

• 机器人学习控制：在样本稀缺的机器人控制任务中减少模型误差，提升长期决策性能。
• 推荐系统：在数据稀疏的推荐场景中减少预测误差，提高累积回报。
• 自动驾驶决策：在自动驾驶决策中缓解多步预测误差，提升长期规划稳定性。