跨域感知奖励函数

在强化学习中，我们通常通过在期望状态内指定奖励来定义目标。这种方法的一个问题是，每次目标改变时，我们通常需要重新定义奖励，这往往需要对智能体环境中的解决方案有一定理解。当人类学习完成任务时，我们经常利用替代来源来指导我们对问题的理解。此类任务表示允许人们以自己的方式指定目标，从而提供可在各种环境中被恰当解释的规范。这启发了我们自己的工作，其中我们在与智能体不同的环境中表示目标。我们引入了跨域感知奖励（CDPR）函数，这是一种学习到的奖励，表示智能体状态与跨域目标图像之间的视觉相似性。我们报告了使用深度神经网络学习CDPR并将其用于通过深度强化学习解决两个任务的结果。