[논문 리뷰] Sample Efficient Actor-Critic with Experience Replay

Ziyu Wang, Victor Bapst외 5명|arXiv (Cornell University)|2016. 11. 03.

Reinforcement Learning in Robotics참고 문헌 26인용 수 221

한 줄 요약

제공된 텍스트에는 실제 논문 내용이 포함되어 있지 않으며, NIPS 2016에 대한 포맷 지침만 존재하므로 요약을 생성할 수 없습니다.

ABSTRACT

This paper presents an actor-critic deep reinforcement learning agent with experience replay that is stable, sample efficient, and performs remarkably well on challenging environments, including the discrete 57-game Atari domain and several continuous control problems. To achieve this, the paper introduces several innovations, including truncated importance sampling with bias correction, stochastic dueling network architectures, and a new trust region policy optimization method.

연구 동기 및 목표

• 제공된 텍스트에 연구 목표에 대한 내용이 포함되어 있지 않습니다.

제안 방법

• 제공된 텍스트에 제안된 방법이나 핵심 기법에 대한 내용이 포함되어 있지 않습니다.

실험 결과

연구 질문

• RQ1 제공된 텍스트에 연구 질문이 없습니다.

주요 결과

• 제공된 텍스트에 결과나 발견이 포함되어 있지 않습니다.