Regularización del producto interno para políticas estocásticas
Hasta ahora, la regularización del producto interno se ha explorado en políticas deterministas que asignan una única acción a cada estado. Sin embargo, las políticas de aprendizaje por imitación más avanzadas suelen ser estocásticas. Esta sección se centra en las políticas gaussianas, los flujos normalizantes y las políticas de difusión. En lugar de generar una única acción para un estado dado, estas políticas definen una distribución de probabilidad sobre las acciones que depende del estado.
Las políticas deterministas asignan una acción a cada estado.
Conclusión
El código y los vídeos de los experimentos están disponibles en el sitio web de los autores.
Preguntas frecuentes
¿Qué genera una política determinista? Asigna una única acción a un estado dado.
¿Cómo representan las acciones las políticas estocásticas? Definen una distribución de probabilidad sobre las acciones que depende del estado.
¿En qué tipos de políticas estocásticas se centra el artículo? En las políticas gaussianas, los flujos normalizantes y las políticas de difusión.
¿Dónde están disponibles el código y los vídeos de los experimentos? Están disponibles en el sitio web de los autores.