로그인
통찰 - 모델 기반 강화학습
심층 증분 모델 기반 강화학습
제안된 한 단계 전방 시선 접근법은 샘플 효율적인 연속 로봇 제어를 실현하기 위해 잠재 공간 모델과 정책을 함께 학습하는 것을 제안합니다.
데이터 효율적인 정책 탐색을 위한 궤적 샘플링을 활용한 딥 가우시안 공분산 네트워크
확률적 세계 모델은 탐색을 개선하고 새로운 샘플을 획득하기 위해 모델의 인식론적 불확실성을 활용하여 데이터 효율성을 높입니다. 또한 확률적 접근법의 불확실성 인식 학습 절차는 잡음이 있는 관측치에 덜 민감한 강건한 정책을 생성합니다. 본 연구에서는 최적 제어 설정에서 데이터 효율적인 모델 기반 강화학습 솔루션을 위해 궤적 샘플링과 딥 가우시안 공분산 네트워크(DGCN)를 결합합니다.
