![arxiv：2306.17366v3 [cs.lg] 29年2月29日2024](/simg/2/20d07c6fd21bf292214cbb70d64ba0e024fa795b.webp)
机构名称：
¥ 2.0
决策感知模型学习的想法，该模型应该在决策重要的地方准确地是准确的，并且在基于模型的强化学习中获得了突出的重要性。虽然已经建立了有希望的理论结果，但缺乏利用决策损失的算法的经验性能，尤其是在连续控制问题中。在本文中，我们介绍了一项关于决策感知强化学习模型所需组件的研究，并展示了能够实现良好表现算法的设计选择。为此，我们对该领域的算法思想提供了理论和实证研究。我们强调，在Muzero的作品系列中建立的经验设计决策，最重要的是使用潜在模型，对于在相关算法中实现良好的性能至关重要。此外，我们表明Muzero损耗函数在随机环境中有偏见，并确定这种偏见具有实际后果。在这些发现的基础上，我们概述了哪些决策吸引的损失功能最好在经验方案中使用，从而为该领域的从业者提供了可行的见解。
arxiv：2306.17366v3 [cs.lg] 29年2月29日2024
主要关键词
![arxiv：2306.17366v3 [cs.lg] 29年2月29日2024PDF文件第1页](/bimg/4/4abd90aa3aeabcfcaf47314f08e82b8b60f3d091.webp)
![arxiv：2306.17366v3 [cs.lg] 29年2月29日2024PDF文件第2页](/bimg/b/b6e982ca308bcbb2d2a69644f961106d811ba914.webp)
![arxiv：2306.17366v3 [cs.lg] 29年2月29日2024PDF文件第3页](/bimg/2/2b11d6a3acbdc3e40466b01f1d24dcbc62c17935.webp)
![arxiv：2306.17366v3 [cs.lg] 29年2月29日2024PDF文件第4页](/bimg/b/b83f32da1b954a19c7d41bb0555c10ce7efad308.webp)
![arxiv：2306.17366v3 [cs.lg] 29年2月29日2024PDF文件第5页](/bimg/5/529a8f866dbe3c16f13f49e54695a7fd4acb2144.webp)
相关文件推荐
![arxiv：2402.18981v1 [physics.optics] 29年2月29日2024](/simg/8/86ca7b5803c8c8087ab3e3e9264b1cbb1fb5b13e.webp)
![arxiv：2402.00128v2 [CS.CV] 29年2月29日，2024年2月](/simg/0/0c92b1f474dcdb77ec786b56d2d8026655473f57.webp)
![arxiv：2306.05919v2 [Quant-ph] 8 Sep 2024](/simg/a/ad88956097cf5d02b3981691634d5efa9c967a39.webp)
![arxiv：2302.13185v2 [cond-mat.supr-con] 29年2月29日，2024年2月](/simg/c/ca11df5a1e69845c8fe5fceb9b2f5c4bbb0e4eef.webp)
![arxiv：2306.05980v4 [CS.CV] 7 Jul 2024](/simg/2/287d6f10617a2e18530588131531587b2101fba1.webp)
![arxiv：2401.06312v4 [CS.CV] 29 2024年3月29日](/simg/8/8f626a5a2e27417b245caccf424f2faffb5a7963.webp)
