强化学习中的内在动机研究综述
机器学习
2019-11-20 v2 人工智能
摘要
强化学习（RL）研究领域非常活跃，新成果数量可观；尤其是考虑到深度强化学习（DRL）这一新兴领域。然而仍有若干科学和技术挑战有待解决，其中可包括动作抽象的能力，以及探索环境的困难，而后者可通过内在动机（IM）来应对。本文中，我们提供关于内在动机在 DRL 中作用的综述。我们对不同类型的内在动机进行分类，并针对每一类详述其在上述挑战方面的优势与局限。此外，我们对当前大量研究问题展开深入探究，这些问题在所指的 DRL 研究领域中正处于研究中或完全未被解决。我们选择从学习如何完成任务的角度来综述这些研究工作。我们进而提出，解决当前挑战可导向一个更大的发展式架构，其或可处理绝大多数任务。我们基于若干由 RL 算法与压缩信息的 IM 模块所构成的构建模块来描述此发展式架构。
引用
@article{arxiv.1908.06976,
title = {A survey on intrinsic motivation in reinforcement learning},
author = {Arthur Aubret and Laetitia Matignon and Salima Hassas},
journal= {arXiv preprint arXiv:1908.06976},
year = {2019}
}