利用智能体生态系统改进强化学习对新环境的泛化并消除灾难性遗忘
人工智能
2022-07-04 v2 多智能体系统
摘要
由于对训练环境的典型过拟合，使强化学习(RL)智能体适应未见环境是一项困难的任务。RL智能体通常能够解决与训练环境非常接近的环境，但当环境变得显著不同时，其性能迅速下降。当智能体在新环境上重新训练时，会出现第二个问题：存在灾难性遗忘的风险，即先前所见环境中的性能受到严重损害。本文提出一种利用智能体生态系统来解决这两个问题的新方法。借此，个体智能体（有限的）自适应能力被汇聚起来以构建一个高度自适应的生态系统。
引用
@article{arxiv.2204.06550,
title = {Improving generalization to new environments and removing catastrophic forgetting in Reinforcement Learning by using an eco-system of agents},
author = {Olivier Moulin and Vincent Francois-Lavet and Paul Elbers and Mark Hoogendoorn},
journal= {arXiv preprint arXiv:2204.06550},
year = {2022}
}
备注
9 pages, 12 figures