概念Importance Weighted Actor-Learner Architecture
IMPALA
DeepMind提出的大规模分布式强化学习框架，在A3C基础上引入V-trace修正机制处理off-policy lag问题，使采集策略与学习策略之间的行为差异得到校正，支持更大规模的并行训练
时间轴 (近 90 天)
10月8日
IMPALA、Ape-X等架构是采样与训练解耦模式的代表性实现，在Atari等任务上相比单机同步训练可实现数十倍吞吐量提升
待验证50%
9月26日
Actor-Learner解耦是分布式强化学习中常见思路，A3C、IMPALA、Ape-X等架构都基于此理念
待验证50%
9月26日
IMPALA引入V-trace修正机制，处理采集策略与学习策略之间的off-policy lag问题
待验证50%