无梯度策略正则项

样本效率更高

一种为确定性策略梯度算法注入无梯度策略参数信息的正则化方法，通过引导策略更新避免过早收敛，提升探索能力。

申春 · Sheng, Zhu · Han, Shuai · Gong, Xiaoyu · Lü, Shuai

Expert Systems with Applications 2023

技术优势

探索更充分

GFPPI按照乐观原则促进探索，缓解策略过早收敛。

提升样本效率

在OpenAI gym实验中，GFPPI能提升样本效率并让算法获得更高性能。

应用场景

• 强化学习：为确定性策略算法提供更稳定的探索，避免陷入局部最优。
• 机器人控制：提升机器人策略学习的样本效率，减少训练所需交互次数。
• 工业自动化：在自动化控制任务中实现更高性能的策略。
• 无人机：帮助无人机控制策略更充分地探索，提高学习效率。
• 软体机器人：为软体机器人的控制策略提供避免过早收敛的更新方式。