在导航问题中对投影模拟的基准测试

投影模拟（PS）是一种基于情景记忆、具有深思能力的智能体模型。该模型已被证明为构建强化学习智能体提供了灵活的框架，并且允许量子力学推广，从而带来深思时间的加速。PS 智能体已成功应用于机器人复杂技能学习以及最先进量子实验的设计中。在本文中，我们研究了投影模拟在导航中两个基准问题上的性能，即网格世界和山地车问题。将 PS 的性能与标准的表格强化学习方法 Q-learning 和 SARSA 进行比较。我们的比较表明，PS 与标准学习方法在定性和定量上相似，而在投影模拟的情况下更容易选择最优模型参数，且计算量降低了一到两个数量级。我们的结果表明，投影模拟模型因其模型参数数量少而简洁性突出，这使得在未知任务环境中设置学习智能体变得简单。