arXiv cs.RO 机器人学· Denis Blessing, Onur Celik, Gerhard Neumann·· 2 小时前精选AI 评分53
Reinforcement Learning via Fixed-point Flow Matching 论文提出 FFM 免数据训练流策略
Reinforcement Learning via Fixed-point Flow Matching
AI 导读
论文提出 fixed-point flow matching（FFM），一种在强化学习中免训练数据训练与微调流策略的方法。FFM 利用目标流恒等式把 actor 更新表述为不动点迭代，用 critic 的动作梯度作为流匹配回归目标，并证明最优策略是该迭代的不动点。实验显示 FFM 能在 offline-to-online 场景微调预训练流策略，也能在在线 RL 中从零高效准确地训练流策略。
推荐理由
论文解释了流策略在在线 RL 中缺训练数据的成因，并给出不动点迭代的解法，读者可据此判断方法是否适用。
来源：arXiv cs.RO 机器人学 · arxiv.org