कार्रवाई आसवन

एक तकनीक जहां एक जटिल शिक्षक नीति (जैसे, विशेषाधिकार प्राप्त राज्य पहुंच के साथ एक RL नीति) को एक सरल छात्र नीति में आसवित किया जाता है (जैसे, केवल कैमरा छवियों का उपयोग करके एक visuomotor नीति)। छात्र को शिक्षक के rollouts पर व्यवहार क्लोनिंग के माध्यम से प्रशिक्षित किया जाता है। यह दो-चरणीय दृष्टिकोण sim-to-real transfer में सामान्य है: पूर्ण राज्य के साथ सिमुलेशन में एक प्रदर्शनकारी शिक्षक को प्रशिक्षित करें, फिर एक तैनाती योग्य दृष्टि नीति में आसवन करें।

Related terms