真实世界强化学习的挑战
机器学习
2019-05-01 v1 人工智能
机器人学
机器学习
摘要
强化学习（RL）已在一系列人工领域中证明了其价值，并开始在真实世界场景中展现出一些成功。然而，由于一系列在实践中极少被满足的假设，许多 RL 的研究进展往往难以在真实世界系统中发挥作用。我们提出了一组必须被解决以将 RL 投入真实世界问题生产应用的九个独特挑战。对于其中每个挑战，我们明确了该挑战的确切含义，介绍了文献中的一些方法，并指定了评估该挑战的一些度量指标。一种能应对所有九个挑战的方法将适用于大量真实世界问题。我们还提出了一个已被修改以呈现这些挑战的示例领域，作为实用 RL 研究的测试平台。
引用
@article{arxiv.1904.12901,
title = {Challenges of Real-World Reinforcement Learning},
author = {Gabriel Dulac-Arnold and Daniel Mankowitz and Todd Hester},
journal= {arXiv preprint arXiv:1904.12901},
year = {2019}
}