Martin Hernandez, Xinyan Qing, Mo Zhou, Yuhua Zhu · 2026 · arXiv
DOI: 10.48550/arXiv.2610.28580 · open-access PDF
A aprendizagem de reforço contínuo-tempo procura uma política ideal sob dinâmica desconhecida impulsionada por equações diferenciais estocásticas usando observações coletadas em tempos discretos. Desenvolvemos um quadro de gradientes de políticas que combina análise de convergência rigorosa com aprendizagem a partir de dados discretos. Primeiro estabelecemos uma diferença de desempenho e derivamos fórmulas de gradientes de políticas para políticas aleatórias e parametrizadas.
Machine translation (Meta M2M100); the English original follows.
Continuous-time reinforcement learning seeks an optimal policy under unknown dynamics driven by stochastic differential equations using observations collected at discrete times. We develop a policy gradient framework that combines rigorous convergence analysis with learning from discrete data. We first establish a performance difference lemma and derive policy gradient formulas for randomized and parametrized policies. We then prove exponential convergence of an entropy-regularized policy flow to the regularized optimum. For discrete parametrized updates, we derive a convergence bound that exp
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.28580, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange