Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2306.00321

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2306.00321 (cs)
[提交于 2023年6月1日 (v1) ,最后修订 2024年3月16日 (此版本, v2)]

标题: 通过融合启发式方法改进离线强化学习

标题: Improving Offline RL by Blending Heuristics

Authors:Sinong Geng, Aldo Pacchiano, Andrey Kolobov, Ching-An Cheng
摘要: 我们提出启发式混合(HUBL),这是一种基于值引导的离线强化学习算法的广泛类别的简单性能提升技术。 HUBL修改了这些算法中使用的贝尔曼算子,部分用通过蒙特卡洛回报估计的启发式值替换引导值。 对于回报较高的轨迹,HUBL更依赖启发式值,而较少依赖引导;否则,它更依赖引导。 HUBL可以通过用调整后的奖励和折扣因子重新标记离线数据集,很容易地与许多现有的离线强化学习实现结合。 我们推导出一种理论,解释HUBL对离线强化学习的影响,即降低离线强化学习的复杂性,从而提高其有限样本性能。 此外,我们通过实证证明,HUBL在D4RL和Meta-World基准的27个数据集上,平均提高了四种最先进的基于引导的离线强化学习算法(ATAC、CQL、TD3+BC和IQL)的策略质量,提高幅度为9%。
摘要: We propose Heuristic Blending (HUBL), a simple performance-improving technique for a broad class of offline RL algorithms based on value bootstrapping. HUBL modifies the Bellman operators used in these algorithms, partially replacing the bootstrapped values with heuristic ones that are estimated with Monte-Carlo returns. For trajectories with higher returns, HUBL relies more on the heuristic values and less on bootstrapping; otherwise, it leans more heavily on bootstrapping. HUBL is very easy to combine with many existing offline RL implementations by relabeling the offline datasets with adjusted rewards and discount factors. We derive a theory that explains HUBL's effect on offline RL as reducing offline RL's complexity and thus increasing its finite-sample performance. Furthermore, we empirically demonstrate that HUBL consistently improves the policy quality of four state-of-the-art bootstrapping-based offline RL algorithms (ATAC, CQL, TD3+BC, and IQL), by 9% on average over 27 datasets of the D4RL and Meta-World benchmarks.
主题: 机器学习 (cs.LG)
引用方式: arXiv:2306.00321 [cs.LG]
  (或者 arXiv:2306.00321v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2306.00321
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Sinong Geng [查看电子邮件]
[v1] 星期四, 2023 年 6 月 1 日 03:36:06 UTC (153 KB)
[v2] 星期六, 2024 年 3 月 16 日 01:29:08 UTC (266 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2023-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号