让历史经验与机器人当前所处的物理现实对齐 (IMAGE)
Caption
OMPO 使用大规模全局回放缓冲区保存异质历史经验,并用小型局部缓冲区记录最新交互。转移占用匹配在策略偏移、动力学偏移及二者叠加时,将历史数据与当前环境对齐,帮助智能体学习稳定行为。
Credit
Yu Luo et al., National Science Review (CC BY 4.0)
Usage Restrictions
Credit must be given to the creator.
License
CC BY