环境无关的目标条件化：奖励自由自主学习研究

本文我们研究了将常规强化学习环境转化为目标条件化环境，以让智能体在无奖励情况下自主学习解决任务的方式。我们表明，智能体可以通过环境无关的方式选择自身目标来学习解决任务，训练时间与外部引导的强化学习相当。我们的方法独立于底层的off-policy学习算法。由于该方法环境无关，智能体不会对任何目标赋予更高的价值，导致单个目标性能不稳定。然而，在我们的实验中，我们发现平均目标成功率得到改善并趋于稳定。经过该方法训练的智能体可以被指示寻找环境中任何观察，实现特定用例之前的通用智能体训练。