IR-VIC：用于强化学习迁移中子目标的无监督发现
机器学习
2021-01-05 v5 机器学习
摘要
我们提出了一种新颖的框架，用于在部分可观测性下的序贯决策任务中识别有助于探索的子目标。我们利用变分内在控制框架（Gregor et.al., 2016），该框架最大化赋能——即可靠到达多样化状态集合的能力，并展示如何通过信息论正则化器将子目标识别为具有高通量选项信息的状态。尽管我们的子目标是在无显式目标监督下发现的，但在具有挑战性的网格世界导航任务上，相比先前工作中受监督的对应方法，它们提供了更好的探索和样本复杂度。
引用
@article{arxiv.1907.10580,
title = {IR-VIC: Unsupervised Discovery of Sub-goals for Transfer in RL},
author = {Nirbhay Modhe and Prithvijit Chattopadhyay and Mohit Sharma and Abhishek Das and Devi Parikh and Dhruv Batra and Ramakrishna Vedantam},
journal= {arXiv preprint arXiv:1907.10580},
year = {2021}
}