世界模型

IADD-TR: Intervention-Aware Dynamics Decoupling with Targeted Regularization for Model-Based Reinforcement Learning

IADD-TR：结合干预感知动力学解耦与定向正则化的基于模型强化学习方法

Zefeng Liang, Jie Qiao, Ruichu Cai, Weilin Chen, Zhifeng Hao

机构 * School of Computer Science, Guangdong University of Technology（广东工业大学计算机学院） ； College of Science, Shantou University（汕头大学理学院） 纠错

专题命中 模型式强化学习 ：model-based reinforcement learning(title,abstract)；分类 cs.LG

AI总结 本文提出IADD-TR框架，通过干预感知动力学解耦与定向正则化解决MBRL中策略诱导的数据偏差问题，经MuJoCo任务实验验证可提升样本效率并取得有竞争力回报。