arXiv cs.RO 机器人学· Taisuke Kobayashi, Naoto Yamanaka·· 5 小时前精选AI 评分54
RA-L 论文：重新设计正则化以实现有效的策略平滑
Redesigning Regularization for Effective Policy Smoothing
AI 导读
论文提出一种新的正则化设计，用于有效平滑强化学习中的策略函数。作者指出原始实现存在理论与实现的落差、平滑效果不足，识别出三个原因并给出修正方案；修改后的正则化在多个任务和算法上表现良好，并应用于四足机器人的 sim-to-real 强化学习，表明平滑且节能的运动可提升对目标速度指令突变的鲁棒性。该论文已被 RA-L 接收发表。
推荐理由
论文指出正则化理论与实现的落差并给出修正方案，做 sim-to-real 迁移的工程师可参考其平滑策略做法。
来源：arXiv cs.RO 机器人学 · arxiv.org