分布式强化学习中的风险视角探索
机器学习
2022-07-04 v2
摘要
分布式强化学习在连续与离散控制设定中展现出最先进的性能，其具有方差与风险的特征，可用于探索。然而，尽管分布式RL中存在大量利用每次动作回报分布方差的探索方法，利用风险属性进行探索的方法却难以寻觅。本文提出风险调度方法，从风险视角探索风险水平与乐观行为。我们通过综合实验展示了在多智能体设定下使用风险调度的DMIX算法的性能提升。
引用
@article{arxiv.2206.14170,
title = {Risk Perspective Exploration in Distributional Reinforcement Learning},
author = {Jihwan Oh and Joonkee Kim and Se-Young Yun},
journal= {arXiv preprint arXiv:2206.14170},
year = {2022}
}
备注
ICML 2022 Workshop (AI for Agent Based Modelling)