基于流匹配的最大熵强化学习，提升策略表达能力

本文通过使用基于流的模型进行策略参数化，解决了Soft Actor-Critic (SAC) 的局限性。这种方法旨在提高表达能力和鲁棒性，相比于SAC中常用的更简单的策略类别。重要采样流匹配 (ISFM) 的引入是一项关键贡献，它允许仅使用来自用户定义分布的样本进行策略更新，这具有重要的实际优势。对 ISFM 的理论分析以及在 LQR 问题上的案例研究进一步加强了本文的贡献。

• •提出了一种使用基于流的模型进行策略参数化的最大熵强化学习的新方法。
• •引入重要采样流匹配 (ISFM) 以进行有效的策略更新。
• •提供了对 ISFM 及其学习效率的理论分析。
• •在最大熵 LQR 问题上证明了所提出算法的有效性。