利用副词引导参数化技能的策略搜索

我们提出一种利用副词短语通过习得的副词-技能映射来调整技能参数的方法。这些映射使得智能体能够使用人类提供的副词反馈直接更新技能策略，方式类似于传统的局部策略搜索方法。我们表明，当环境无法提供稠密奖励但存在人类语言反馈时，我们的方法可作为这些策略搜索方法的直接替代。我们在两个实验中展示了相较现代策略搜索方法更高的样本效率。