具有稳态调节的基于好奇心的强化学习
人工智能
2018-02-08 v2
摘要
我们提出了一种基于信息论原理、且与动物将某些关键参数维持在有限范围内的本能相一致的好奇心奖励。我们的实验验证表明，在采用连续动作与复杂环境交互的强化学习智能体中，额外的稳态驱动对于增强整体信息增益具有附加价值。我们的方法基于两点思想：i) 利用信息增益的一个新的类贝尔曼方程；ii) 通过避免对连续状态与动作上的复杂分布进行近似，简化局部奖励的计算。
引用
@article{arxiv.1801.07440,
title = {Curiosity-driven reinforcement learning with homeostatic regulation},
author = {Ildefons Magrans de Abril and Ryota Kanai},
journal= {arXiv preprint arXiv:1801.07440},
year = {2018}
}
备注
Presented at the NIPS 2017 Workshop: Cognitively Informed Artificial Intelligence: Insights From Natural Intelligence