本发明公开了一种基于鲁棒模仿学习的模拟器建模方法,涉及强化学习领域,包括以下步骤:从策略分布
中采样出训练策略集合Π和测试策略集合Π′;令训练策略集合Π的策略π与真实环境p
*进行交互,以获得真实数据集合B
π={(s,a,s′)~(πp
*);每k步进行一次策略筛选;令策略π与学习到的模拟器
进行交互,并计算价值差异VD,以衡量模拟器
在策略π下的表现;选取其中表现最差的∈%策略构成集合Π
c,其对应的数据集记为B
c;从B
c中采样数据,并利用Π
c中的策略与当前模拟器
交互以收集数据D
p,用以优化生成对抗模仿学习中的判别器D
ω,以及用以优化生成对抗模仿学习中的生成器
声明:
“基于鲁棒模仿学习的模拟器建模方法” 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)