提出VPSD-RL方法,通过李群作用与算子交换性在连续时间强化学习中发现值保持结构,从而提升连续控制基准上的数据效率与鲁棒性。
机构:乔治华盛顿大学
来源:arXiv 2605.06500 | AI4Papers 论文推荐平台