DrS：学习多阶段任务的可复用稠密奖励

许多强化学习技术的成功严重依赖人工设计的稠密奖励，这通常需要大量的领域专业知识和反复试错。在我们的工作中，我们提出了 DrS（Dense reward learning from Stages，基于阶段的稠密奖励学习），一种以数据驱动方式学习多阶段任务可复用稠密奖励的新方法。通过利用任务的阶段结构，DrS 从稀疏奖励和（如果提供）演示中学习高质量的稠密奖励。学习到的奖励可以在未见任务中被复用，从而减少奖励工程的人力投入。在三个具有 1000 多个任务变体的物理机器人操作任务族上的大量实验表明，我们学习到的奖励可以在未见任务中复用，从而提高了强化学习算法的性能和样本效率。在某些任务上，学习到的奖励甚至取得了与人工设计奖励相当的性能。更多详情请参见我们的项目页面 (https://sites.google.com/view/iclr24drs)。