将目标识别作为强化学习

大多数目标识别方法依赖于对行动者在环境中追求目标时可能动力学过程的规范。这些规范存在两个关键问题。首先，编码这些动力学需要领域专家精心设计，通常对识别时的噪声不够鲁棒。其次，现有方法常需要代价高昂的实时计算来推断每个潜在目标的可能性。在本文中，我们开发了一个结合无模型强化学习与目标识别的框架，以缓解对精细手动领域设计的需求以及高昂在线执行的需求。该框架由两个主要阶段组成：对每个潜在目标的策略或效用函数的离线学习，以及在线推断。我们提供了该框架的首个实例，其学习阶段使用表格 Q-learning，以及可用于执行推断阶段的三种度量。所得实例化在标准评估领域上取得了优于目标识别器的最先进性能，并在噪声环境中表现出更优性能。