arXiv cs.RO 机器人学· Kohei Honda, Aiki Kada, Hirotaka Hosogaya·· 1 天前AI 评分54
ReBound：基于重置感知半马尔可夫自举的免重置强化学习敏捷驾驶方法
ReBound: Reset-Free Reinforcement Learning for Agile Driving via Reset-Aware Semi-Markov Bootstrapping
AI 导读
ReBound 提出一种面向免重置强化学习的价值学习方法，将导致碰撞的动作与后续恢复过程合并为单个半马尔可夫转移，并从恢复后价值按实际恢复时间折扣进行自举，同时用奖励中心化稳定价值学习。在仿真和 1/10 比例实车上，ReBound 显著优于常规价值学习方法与基于模型的控制。论文共 9 页、6 幅图，以 arXiv:2604.07672 提交。
来源：arXiv cs.RO 机器人学 · arxiv.org