arXiv 机器学习· Shashank Gupta, Pilhwa Lee·· 10 小时前AI 评分32
潜在世界模型强化学习的密度引导自举边界
Density-Guided Bootstrap Boundaries for Latent World-Model Reinforcement Learning
AI 导读
研究者提出面向潜在世界模型强化学习的密度引导自举边界，利用基于分数的相对密度代理动态调整想象轨迹的回报深度。该方法包含硬边界与软边界两种门控机制，并在 Dreamer V3 中实现，理论证明其门控贝尔曼算子为严格收缩映射且能单调降低条件目标方差。在连续控制任务与 Atari Pong 上的测试表明，该机制显著提升了样本效率与后期训练表现。
来源：arXiv 机器学习 · arxiv.org