通过稳健的平稳分布校正减轻行为克隆中的协变量变化
原文:Mitigating Covariate Shift in Behavioral Cloning via Robust Stationary Distribution Correction
我们考虑离线模仿学习(IL),其目的是训练代理从专家演示的数据集中进行模仿,而无需与环境进行在线交互。行为克隆 (BC) 是一种简单而有效的离线 IL 方法,但众所周知,它很容易受到由 lea 引起的状态分布之间的不匹配而导致的协变量偏移的影响。
正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。
抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。
正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。