Behavior Regularized Offline-to-Online Reinforcement Learning for Robotics

本文提出了一种基于行为正则化的机器人离线到在线强化学习方法。该方法在离线预训练阶段通过行为克隆正则化约束策略接近行为策略，在在线微调阶段通过自适应正则化权重平衡探索与利用，避免灾难性遗忘。文章还分析了不同正则化强度对离线到在线迁移性能的影响，提出了自动调节正则化系数的策略。适用场景包括机器人运动控制、操作策略学习等领域。来源机构包括CMU、DeepMind、Oxford等研究机构。