Online Methods Combined with Reinforcement Learning for Robots

本文研究了在线方法与强化学习结合在机器人中的应用。在线方法通过与环境实时交互收集数据，结合强化学习的试错学习能力，可以在复杂动力学和稀疏奖励场景下取得良好效果。文章比较了不同在线RL算法（策略梯度、演员-评论家、Q学习、PPO）在机器人控制中的表现，分析了方法的样本效率和渐近性能，并在多种机器人任务上验证了在线RL的效果。来源机构包括UC Berkeley、DeepMind、CMU等研究机构。