Gradient-Based Policy Learning に関する報道

この研究では、強化学習と微分可能 MPC の間の勾配のギャップを埋めることを試みています。環境サンプルへの RL の依存性を維持しながら、ソルバー勾配低減戦略を使用して分散を検索します。本質的には、サンプル効率とモデルのバイアスの間の新しい平衡点を見つけることです。確立されれば、手動パラメータ調整から学習駆動型のオンライン最適化までMPC適応制御が促進され、そのクロスシナリオ汎化能力に注目する価値があります。