本發明公開了一種基于魯棒模仿學習的模擬器建模方法,涉及強化學習領域,包括以下步驟:從策略分布中采樣出訓練策略集合Π和測試策略集合Π′;令訓練策略集合Π的策略π與真實環境p*進行交互,以獲得真實數據集合Bπ={(s,a,s′)~(πp*);每k步進行一次策略篩選;令策略π與學習到的模擬器進行交互,并計算價值差異VD,以衡量模擬器在策略π下的表現;選取其中表現最差的∈%策略構成集合Πc,其對應的數據集記為Bc;從Bc中采樣數據,并利用Πc中的策略與當前模擬器交互以收集數據Dp,用以優化生成對抗模仿學習中的判別器Dω,以及用以優化生成對抗模仿學習中的生成器
聲明:
“基于魯棒模仿學習的模擬器建模方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)