09:26
官方账号arXiv cs.AI@Hanyang Chen, Anirudh Satheesh, Longchao Da, Hua Wei
推荐理由：这篇论文用扩散模型来对齐强化学习中的不同环境动态，不用额外复杂设计就能搞定域适应，比现有方法好。
策略迁移
共 1 条相关 AI 资讯
7月20日
09:26
DADiff 是一种用于强化学习的扩散驱动跨域策略适应框架，解决源域与目标域动态失配问题。该方法通过扩散模型在生成下一状态时捕获源域和目标域生成轨迹差异来估计动态失配，并开发了奖励修改和数据选择两种变体以适应目标域。理论分析表明，给定策略在两个域间的性能差异被生成轨迹偏差所界定。在多种偏移环境下的实验结果表明，DADiff 优于现有方法，有效解决了动态失配。