Resumen

Los métodos de gradiente de política de vainilla sufren de alta varianza, lo que lleva a políticas inestables durante el entrenamiento, donde el rendimiento de la política fluctúa drásticamente entre iteraciones. Para abordar este problema, analizamos el proceso de optimización de la política del método de navegación basado en aprendizaje profundo por refuerzo (DRL) que utiliza descenso de gradiente asincrónico para la optimización. Se presenta una variante de navegación (navegación de optimización de política proximal asincrónica) que puede garantizar la mejora monótona de la política durante el proceso de optimización de la política. Nuestros experimentos se probaron en DeepMind Lab, y los resultados experimentales muestran que los agentes artificiales con funcionan mejor que el algoritmo comparado.

• Materias:Trituradora robótica Análisis cinemático Robots de articulación flexible Robot autónomo Articulación robótica
• Subjects:Robotic shredder Kinematic analysis Flexible joint robots Robot autonomous Robotic articulation
• Palabras claves:Métodos de gradiente de políticas de vainilla; Alta varianza; Políticas inestables; Aprendizaje profundo por refuerzo; Descenso de gradiente asíncrono; Optimización de políticas.
• Keywords:Vanilla policy gradient methods; High variance; Unstable policies; Deep reinforcement learning; Asynchronous gradient descent; Policy optimization.