arXiv cs.RO 机器人学· Anish Diwan, Jan Peters, Oleg Arenz·· 5 小时前精选AI 评分53
NeurIPS 2026 论文：逆强化学习奖励更新的占用空间几何视角
A Geometric Perspective on Reward Function Updates in Inverse Reinforcement Learning
AI 导读
论文提出逆强化学习（IRL）奖励更新的占用空间视角，指出沿占用空间中指向最优占用的 e-geodesic 上的几何结构会直接影响 IRL 对偶问题在奖励参数空间的梯度。
推荐理由
论文把逆强化学习的奖励更新放到占用空间几何下分析，给出了可迁移的预条件梯度构造思路。
来源：arXiv cs.RO 机器人学 · arxiv.org