BIMRL：受大脑启发的元强化学习
机器学习
2023-01-02 v1 人工智能
机器人学
摘要
样本效率一直是强化学习（RL）中的一个关键问题。一个高效的智能体必须能够利用其先前的经验，快速适应相似但全新的任务与情境。元强化学习（Meta-RL）正是形式化并解决该问题的一次尝试。受元强化学习近期进展的启发，我们提出 BIMRL，一种新颖的多层架构以及一个新颖的受大脑启发的记忆模块，该模块将帮助智能体在少量回合内快速适应新任务。我们还利用该记忆模块设计了一种新颖的内在奖励，以引导智能体的探索。我们的架构受认知神经科学发现的启发，并与关于大脑不同区域连接性与功能性的知识相兼容。我们通过在多个 MiniGrid 环境中与一些强基线竞争或超越其性能，实证验证了所提方法的有效性。
引用
@article{arxiv.2210.16530,
title = {BIMRL: Brain Inspired Meta Reinforcement Learning},
author = {Seyed Roozbeh Razavi Rohani and Saeed Hedayatian and Mahdieh Soleymani Baghshah},
journal= {arXiv preprint arXiv:2210.16530},
year = {2023}
}
备注
Accepted to 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)