可能是安全的模拟到真实的传输,终身有效
原文:Probably Safe Sim-to-Real Transfer with Lifetime Validity
我们提出了 Dejavu,一种方法,可以使受限马尔可夫决策过程中的强化学习策略从模拟到真实的迁移在无限的策略更新序列上可能是安全的。使用每个决策重要性采样和投注置信序列进行的任何时间有效的测试,可以证明每个候选者在部署之前仅使用安全收集的轨迹进行模拟训练
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。