10:55
官方账号arXiv cs.LG@Zhaoyu Zhu, Rui Gao, Shuang Li
推荐理由：这篇论文把WPG在LQ问题上化简成ODE，证明了指数收敛，做控制理论的可以看看。
熵正则化
共 2 条相关 AI 资讯
8月10日
10:55
Wasserstein策略梯度（WPG）通过动作空间的传输更新状态条件策略。研究熵正则化折扣线性二次（LQ）控制问题时，Bellman验证论证表明该问题存在线性高斯最优策略。WPG可精确化为关于反馈增益和动作协方差的有限维常微分方程（ODE）。该ODE从任意可行初始值全局适定且指数收敛，且收敛指数在熵温度趋于0时保持正极限，不含exp(-c/τ)扰动因子。
5月26日
12:22
12:22官方账号arXiv cs.LG@Zhaoyu Zhu, Rui Gao, Shuang Li
精选
推荐理由：做连续控制RL的理论研究者会感兴趣——这篇论文用Bellman结构替代凸性假设，为WPG的全局收敛提供了首个完整证明，建议做策略梯度理论的团队仔细读。