LEARNING
重新思考实际迁移约束下强化学习算法的适用性
Hany Hamed, Abhishek Naik, Colin Bellinger, A. Rupam Mahmood
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文探讨了迁移强化学习中算法评估的两个关键维度：实际效率（考虑墙钟时间而非交互次数）和动态失配下的鲁棒性（通过域随机化）。研究发现，样本效率低的PPO算法在墙钟时间内可能比SAC等更高效的算法更快获得良好策略，且域随机化有助于不同算法学习鲁棒策略。
关键词
reinforcement learningtransfer learningsample efficiencydomain randomizationPPO
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018