逆强化学习奖励更新几何视角论文获NeurIPS接收

研究者 Anish Diwan、Jan Peters、Oleg Arenz 提出逆强化学习中奖励函数更新的占用空间视角，发现沿 e-geodesic 朝向最优占用的几何结构会直接影响奖励参数空间中对偶问题的梯度；该方法用占用轨迹上的平均 Fisher 信息对梯度做预条件，得到旧奖励与新目标奖励的凸插值，实现低额外开销的类自然梯度更新，并给出收敛性结果。论文已被 NeurIPS 2026 接收。 目前公开信息仅来自论文自身表述，尚未见对其收敛性结论或实际性能的独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。