机构名称：
¥ 1.0
从演示中学习（RLFD）的强化学习已成为一种有效的方法，它通过将专家演示融合到加强学习（RL）培训，利用模仿学习（IL）和RL的优势。但是，现有的算法依赖于离线演示，这可以引入示例和实际培训环境之间的分配差距，从而限制其性能。在本文中，我们提出了一种新颖的方法，并从在线演示中学习（RL- fold），该方法利用在线演示来解决这一限制，确保代理商从相关和最新的场景中学习，从而有效地弥合了分发差距。与典型行为者算法中使用的常规政策网络不同，Rlfold引入了一个策略网络，该策略网络输出两个标准偏差：一个用于探索，另一个用于IL培训。这种新颖的设计使代理可以适应RL和IL固有的不同水平。此外，我们引入了由在线专家指导的探索过程，并结合了基于不确定性的技术。我们对Carla Nocrash基准测试的实验证明了Rlfold的有效性和效率。没有明显的编码器和单摄像头设置，RLFOLD在此评估中也超过了最新方法。这些结果在有限的源源中实现，重点介绍了RLFOLD是现实世界应用的高度有希望的解决方案。
rlfold：在城市自动驾驶中的在线演示中学习的强化
主要关键词
相关文件推荐
