提出融合AIRL奖励估计的模糊控制方法

论文作者Seiji Ishihara提出一种将对抗逆强化学习（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的仿真中，作者报告称该方法通过稳定高效的学习获得了具有较高泛化性能的策略。

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。