面向特定状态变量控制且最小化副作用的技能发现

技能对于解锁更高层次的问题解决至关重要。发现这些技能的常见方法是学习可靠到达不同状态的技能，从而使智能体能够控制其环境。然而，现有的技能发现算法往往忽视许多强化学习问题中存在的自然状态变量，这意味着所发现的技能缺乏对特定状态变量的控制。这会显著削弱探索效率，使技能更难学习，并在目标模糊的下游任务中导致负面副作用。我们引入一种通用方法，使这些技能发现算法能够学习聚焦技能——即针对和控制特定状态变量的技能。我们的方法通过因子提升三倍来提高状态空间覆盖率， unlocks 新的学习能力，并在下游任务中自动避免负面副作用。