Saurabh Garg
収録論文 1本 ・ フィジカルAI/ロボット学習
強化学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- PPOの勾配はなぜ裾が重いのか:ロバスト推定でクリッピングを置き換える強化学習2021/2/1
PPOの代理報酬の勾配が重裾分布になることを実証し、その原因が尤度比とアドバンテージにあると特定。3つのクリッピング手法を高次元ロバスト推定器GMOMで置き換え、MuJoCo連続制御で同等性能を達成した。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
PPOの代理報酬の勾配が重裾分布になることを実証し、その原因が尤度比とアドバンテージにあると特定。3つのクリッピング手法を高次元ロバスト推定器GMOMで置き換え、MuJoCo連続制御で同等性能を達成した。
PR・アフィリエイト広告