[论文解读] Sample Efficient Actor-Critic with Experience Replay

Ziyu Wang, Victor Bapst+5 more|arXiv (Cornell University)|Nov 3, 2016

Reinforcement Learning in Robotics参考文献 26被引用 221

一句话总结

所提供的文本不包含实际的论文内容，只包含 NIPS 2016 的格式化指令，因此无法给出摘要。

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.

研究动机与目标

• 在所提供的文本中未提供关于研究目标的任何内容。

提出的方法

• 在所提供的文本中未提供关于拟议方法或关键技术的任何内容。

实验结果

研究问题

• RQ1 在所提供的文本中没有可用的研究问题。

主要发现

• 在所提供的文本中没有可用的结果或发现。