基于深度生成模型的多任务强化学习探索
人工智能
2016-12-04 v1 机器学习
机器学习
摘要
多任务强化学习中的探索对于训练智能体推导潜在的MDP至关重要。许多现有的探索框架，如 、、Thompson sampling，假设单一的平稳MDP，不适用于多任务设置中的系统辨识。我们提出了一种利用深度生成模型促进多任务强化学习探索的新方法。我们用低维能量模型补充我们的方法，以学习潜在的MDP分布，并为智能体提供具有弹性和自适应性的探索信号。我们在一组新环境上评估了我们的方法，并对结果提供了直观的解释。
引用
@article{arxiv.1611.09894,
title = {Exploration for Multi-task Reinforcement Learning with Deep Generative Models},
author = {Sai Praveen Bangaru and JS Suhas and Balaraman Ravindran},
journal= {arXiv preprint arXiv:1611.09894},
year = {2016}
}
备注
9 pages, 5 figures; NIPS Deep Reinforcement Learning Workshop 2016, Barcelona