ترجمه فارسی مقاله تقطیر مجموعه داده‌ها برای یادگیری تقویتی آفلاین

چکیده

Offline reinforcement learning often requires a quality dataset that we can train a policy on. However, in many situations, it is not possible to get such a dataset, nor is it easy to train a policy to perform well in the actual environment given the offline data. We propose using data distillation to train and distill a better dataset which can then be used for training a better policy model. We show that our method is able to synthesize a dataset where a model trained on it achieves similar performance to a model trained on the full dataset or a model trained using percentile behavioral cloning. Our project site is available at $href{https://datasetdistillation4rl.github.io}{text{here}}$. We also provide our implementation at $href{https://github.com/ggflow123/DDRL}{text{this GitHub repository}}$.

چکیده به فارسی (ترجمه ماشینی)

یادگیری تقویت آفلاین اغلب به یک مجموعه داده با کیفیت نیاز دارد که ما می توانیم یک خط مشی را آموزش دهیم.با این حال ، در بسیاری از مواقع ، دستیابی به چنین مجموعه ای امکان پذیر نیست ، و همچنین آموزش یک سیاست برای عملکرد خوب در محیط واقعی با توجه به داده های آفلاین آسان نیست.ما پیشنهاد می کنیم با استفاده از تقطیر داده ها برای آموزش و تقطیر یک مجموعه داده بهتر که می تواند برای آموزش یک مدل خط مشی بهتر استفاده شود.ما نشان می دهیم که روش ما قادر به سنتز یک مجموعه داده است که در آن مدلی که روی آن آموزش دیده باشد ، عملکرد مشابهی را با یک مدل آموزش داده شده در مجموعه داده کامل یا مدلی آموزش داده شده با استفاده از کلونینگ رفتاری صدک می کند.سایت پروژه ما با $ href {https://datasetdistillation4rl.github.io} { text {here}} $ در دسترس است.ما همچنین اجرای خود را با $ href {https://github.com/ggflow123/ddrl} { text {این مخزن github}} $ ارائه می دهیم.