论文提出融合 AIRL 奖励估计的模糊控制方法

Seiji Ishihara 提交的论文提出一种模糊控制方法，把基于对抗逆强化学习（AIRL）的奖励估计机制整合进原本结合策略梯度与模糊推理的基座模型。该方法将基座模型的策略作为生成器，策略中的隶属函数集合作为判别器的代价函数，使判别器与生成器在共享参数上同步更新，且无需估计价值函数。 论文称，在车辆速度控制仿真任务中，该方法通过稳定高效的学习获得了高泛化性能的策略。这些结果来自论文自述的仿真实验，未涉及真实场景验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。