提出鲁棒强化学习下的高效异步Q学习算法及样本复杂度界
热点事件持续更新
提出鲁棒强化学习下的高效异步Q学习算法及样本复杂度界
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Yuchen Jiao 等在 arXiv 提交论文（arXiv:2610.35656），提出一种面向鲁棒 MDP（RMDP）的异步 Q-learning 算法，用于解决鲁棒强化学习中 model-free 方法的缺失，并给出了其样本复杂度理论保证。 在 γ 折扣无限时域设定下，该算法仅用单条 Markovian 样本轨迹即可对最优 Q 函数实现逐元素 ε-逼近，样本复杂度受 1/(μ_min·ε²·(1-γ)³·max{1-γ,σ}) + t_mix/(μ_min·(1-γ)) 约束（不含对数因子），达到近极小极大最优，仅多出 1/(1-γ) 因子。作者称该结果相比现有边界显著改进，适用于 TV 距离不确定集（不确定度 σ）下的 sim-to-real 鲁棒性需求。
AI 根据报道生成 · 2 小时前更新
最新进展10月27日 00:03
面向鲁棒强化学习的可证高效 Q-learning 算法报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · cs.AI面向鲁棒强化学习的可证高效 Q-learning 算法
该研究提出一种用于鲁棒强化学习的异步 Q-learning 算法，解决基于鲁棒 MDP（RMDP）的 model-free 方法缺失问题。在 γ 折扣无限时域设定下，仅用单条 Markovian 样本轨迹，算法对最优 Q 函数实现逐元素 ε-逼近的样本复杂度受 $\frac{1}{\mu_{\min}\varepsilon^2(1-\gamma)^3\max\{1-\gamma,\sigma\}} + \frac{t_{\text{mix}}}{\mu_{\min}(1-\gamma)}$ 约束（不含对数因子），达到近极小极大最优，仅多出 $\frac{1}{1-\gamma}$ 因子。相比现有边界显著改进，适用于 TV 距离不确定集（不确定度 σ）下的真实环境 sim-to-real 鲁棒性需求。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。