arXiv · cs.AI· Anish Diwan, Jan Peters, Oleg Arenz·· 11 小时前
逆强化学习中的奖励函数更新几何分析
A Geometric Perspective on Reward Function Updates in Inverse Reinforcement Learning
arXiv:2610.14041v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Anish Diwan, Jan Peters, Oleg Arenz
研究任务与主要进展
作者从占用空间几何视角分析逆强化学习的奖励函数更新，提出用占用轨迹上的平均 Fisher 信息预条件对偶梯度，从而以较低额外计算开销实现自然梯度式奖励更新。基于论文摘要，该更新可解释为旧奖励与新目标奖励的凸插值，并对应策略上的近似熵镜像下降；作者还给出了相关算法的收敛结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org