arXiv · cs.AI· Seiji Ishihara·· 9 小时前
将AIRL奖励估计融入模糊推理与策略梯度控制的方法
Integrating AIRL-Based Reward Estimation into a Control Method Using Fuzzy Inference and Policy Gradient
arXiv:2610.14723v1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：Seiji Ishihara
研究任务与主要进展
研究者提出一种将AIRL奖励估计机制融入模糊推理与策略梯度控制的方法，通过学习获得奖励并更新控制策略。该方法将策略中的隶属函数集合作为判别器代价，使奖励估计与策略估计可在共享参数上同时更新，且无需估计价值函数；在示例车辆速度控制任务仿真中，作者报告称其通过稳定高效的学习获得了具有较高泛化性能的策略。
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