无模型分层强化学习中基于内在动机学习的高效探索与无监督子目标发现
机器学习
2019-11-25 v1 人工智能
机器学习
摘要
面向自动子目标发现的高效探索是无模型分层强化学习（HRL）中的一个挑战性问题。在本文中，我们表明内在动机学习提升了探索效率，从而促成成功的子目标发现。我们引入了一种基于无模型子目标发现方法，该方法在内在动机期间对智能体经验的有限记忆上进行无监督学习。此外，我们提供了一种在无模型HRL中学习表示的统一方法。
引用
@article{arxiv.1911.10164,
title = {Efficient Exploration through Intrinsic Motivation Learning for Unsupervised Subgoal Discovery in Model-Free Hierarchical Reinforcement Learning},
author = {Jacob Rafati and David C. Noelle},
journal= {arXiv preprint arXiv:1911.10164},
year = {2019}
}
备注
arXiv admin note: substantial text overlap with arXiv:1810.10096