概念Latent Space Divergence
潜空间散度
在低维嵌入空间中度量两个分布之间的距离,在离线强化学习中可作为状态后果分布散度的理论有界代理,无需访问真实动态模型
时间轴 (近 90 天)
10月30日
研究者提出结构行为正则化(StBR),将约束从动作空间转移到状态后果空间,使用潜空间散度作为理论上有界的代理目标,并在动态敏感区域自适应收紧行为约束。
待验证50%
在低维嵌入空间中度量两个分布之间的距离,在离线强化学习中可作为状态后果分布散度的理论有界代理,无需访问真实动态模型
研究者提出结构行为正则化(StBR),将约束从动作空间转移到状态后果空间,使用潜空间散度作为理论上有界的代理目标,并在动态敏感区域自适应收紧行为约束。