Aller au contenu principal
2024 conference-paper

Trajectory-Oriented Policy Optimization with Sparse Rewards

1Citations signalées, ce qui n’est pas une note de qualité
1Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

The mastery of deep reinforcement learning (DRL) proves challenging when the environmental reward signals are sparse. These limited rewards indicate whether the task has been partially or entirely accomplished, and the agent must conduct various exploration actions before the agent receives meaningful feedback. Therefore, most existing DRL exploration algorithms cannot acquire practical behavior policies within a reasonable term. This study introduces an RL method that leverages offline demonstration trajectories for a faster and more efficient online RL in environments with sparse rewards. The crucial insight we provide is to treat offline demonstration trajectories as guidance, rather than merely imitation, allowing our method to identify a policy with a distribution of state-action visitation that is marginally in line with offline demonstrations. A new trajectory distance based on maximum mean discrepancy (MMD) is presented and cast as a distance-constrained optimization problem. As a result, we demonstrate that the optimization problem can be streamlined by using a policy-gradient algorithm, incorporating rewards based on insights acquired from offline demonstrations. In this study, the proposed algorithm is evaluated across a navigation task with a discrete action space and two continuous locomotion control tasks. According to our experimental findings, our suggested algorithm offers significant advantages over baseline methods in terms of exploring diverse policy spaces and acquiring optimal policies.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Trajectory-Oriented Policy Optimization with Sparse Rewards
Date Crossref
17/05/2024
Éditeur
IEEE
Type
proceedings-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Beihang University pays non établi dans la notice
    Université ou école supérieure

Beihang University.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Transportation and Mobility InnovationsVehicular Ad Hoc Networks (VANETs)Autonomous Vehicle Technology and Safety

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.