用于连续控制的深度径向基值函数
机器学习
2021-03-16 v2 人工智能
机器学习
摘要
强化学习（RL）中的核心操作是找到相对于所学值函数最优的动作。当所学值函数以连续动作作为输入时，该操作通常具有挑战性。我们引入深度径向基值函数（RBVFs）：使用具有径向基函数（RBF）输出层的深度网络学习的值函数。我们表明，相对于深度 RBVF 的最大动作值可轻松且精确地近似。此外，由于其支持通用函数逼近，深度 RBVFs 可表示任意真实值函数。我们通过赋予智能体深度 RBVF 将标准 DQN 算法扩展到连续控制。我们表明所得称为 RBF-DQN 的智能体显著优于仅值函数基线，并与最先进的 actor-critic 算法具有竞争力。
引用
@article{arxiv.2002.01883,
title = {Deep Radial-Basis Value Functions for Continuous Control},
author = {Kavosh Asadi and Neev Parikh and Ronald E. Parr and George D. Konidaris and Michael L. Littman},
journal= {arXiv preprint arXiv:2002.01883},
year = {2021}
}
备注
In Proceedings of the 35th AAAI Conference on Artificial Intelligence (AAAI)