基于层次策略表征学习的高效无监督环境设计
人工智能
2026-02-11 v1
摘要
无监督环境设计（UED）已成为通过自动课程生成开发通用智能体的有前景的方法。流行的UED方法侧重于开放性，教师算法依赖随机过程以无限生成有用的环境。但在资源受限的情况下，教师-学生相互作用机会有限，这一假设变得不切实际。为此，我们引入了一个层次马尔可夫决策过程（MDP）框架用于环境设计。我们的框架具备一种教师智能体，该智能体利用来自发现的评估环境中派生的学生策略表征，使其能够基于学生能力生成训练环境。为提高效率，我们纳入一种生成模型，通过合成数据丰富教师的训练数据集，从而减少教师-学生相互作用的需求。在几个领域的实验中，我们展示了该方法在单个episodes中以更少的教师-学生相互作用情况下超越基线方法。结果表明，该方法适用于训练机会有限的场景。
引用
@article{arxiv.2602.09813,
title = {Efficient Unsupervised Environment Design through Hierarchical Policy Representation Learning},
author = {Dexun Li and Sidney Tio and Pradeep Varakantham},
journal= {arXiv preprint arXiv:2602.09813},
year = {2026}
}