University of Oxford（牛津大学）

Learning mirror maps in policy mirror descent

在策略镜像下降中学习镜像映射

Carlo Alfano, Sebastian Towers, Silvia Sapora, Chris Lu, Patrick Rebeschini

机构 * Department of Statistics University of Oxford（统计系牛津大学） ； FLAIR University of Oxford（FLAIR牛津大学） 纠错

AI总结 本文通过实证研究发现，传统镜像映射（如NPG）在强化学习中效果有限，利用进化策略学习更高效的镜像映射可提升PMD性能，尤其在复杂环境中表现更优。