通用策略映射：受昆虫大脑启发的在线持续强化学习
机器学习
2022-12-01 v1 人工智能
摘要
我们开发了一种受昆虫大脑启发的在线持续或终身强化学习（RL）模型。我们的模型利用特征提取层和通用策略层的离线训练，以实现 RL 算法在在线环境中的收敛。跨任务共享通用策略层带来了正向反向迁移，即智能体在共享相同底层通用策略的旧任务中持续获得提升。受生物学启发的对智能体网络的限制是 RL 算法收敛的关键。这为资源受限场景下的高效在线 RL 提供了一条路径。
引用
@article{arxiv.2211.16759,
title = {General policy mapping: online continual reinforcement learning inspired on the insect brain},
author = {Angel Yanguas-Gil and Sandeep Madireddy},
journal= {arXiv preprint arXiv:2211.16759},
year = {2022}
}