arXiv · Machine Learning Theory· Irving Giovani Bronzatti Petrazzini, Eric Aislan Antonelo·· 3 小时前AI 评分22
Disagreement-Regularized Imitation Learning（DRIL）用于基于图像的连续控制：高斯与 Beta 策略研究
Disagreement-Regularized Imitation Learning for Image-Based Continuous Control with Gaussian and Beta Policies
AI 导读
DRIL 将克隆策略间的分歧转化为强化学习奖励，在基于图像的连续控制任务中提升少样本表现。CarRacing 实验显示，score-selected DRIL 在仅 1 条轨迹时分别相对最优行为克隆提升 61%（clipped-action）和 112%（bounded-action）；20 条轨迹时优势收窄，Bounded Beta 行为克隆仍高出约 7%。
来源：arXiv · Machine Learning Theory · arxiv.org