本申请涉及一种基于数据增强的逐像素Q值估计离线强化学习方法和装置。所述方法包括:通过从离线数据集中采样小批量的原始输入观测,通过常见的图像变换算法对小批量的原始输入观测进行数据增强,并对输入观测的Q值进行正则化处理,最终训练得到用于决策的Q值网络。本发明通过使用标准增量方法扩大训练数据集,通过正则化输入观测的Q值避免高估离线数据集数据分布附近的数据,并显著提升了算法泛化性;将数据增强与基于像素观测的离线RL算法结合起来的方法,不需要对底层RL算法进行额外修改,使得该方法易于实现,并可扩展应用到其他基于Q值估计的离线RL算法,可扩展性强,实用性佳。
声明:
“基于数据增强的逐像素Q值估计离线强化学习方法和装置” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)