arXiv 机器学习· Anish Diwan, Jan Peters, Oleg Arenz·· 14 小时前AI 评分34
逆强化学习中奖励函数更新的几何视角
A Geometric Perspective on Reward Function Updates in Inverse Reinforcement Learning
AI 导读
研究人员提出了一种从占用空间几何视角优化逆强化学习（IRL）中奖励函数更新的新方法。该方法利用朝向最优占用的 e-测地线几何特性，通过沿占用轨迹的平均 Fisher 信息对对偶梯度进行预条件处理，将其简化为旧奖励与新目标奖励的凸插值，以极小额外计算开销实现自然梯度风格更新。从镜像下降视角分析表明，该更新能在策略上诱导出近似熵镜像下降并保证收敛性。
来源：arXiv 机器学习 · arxiv.org