学习不变性以实现策略泛化
机器学习
2020-12-15 v2 人工智能
机器学习
摘要
尽管近期进展催生了非常强大的机器学习系统，这些智能体仍极度专门化，且无法将所获得的知识迁移到相似却未见过任务中。本文中，我们研究一个简单的强化学习问题，并聚焦于学习对泛化到不同设定编码了恰当不变性的策略。我们评估了三种潜在的策略泛化方法：数据增强、元学习和对抗训练。我们发现数据增强方法有效，并研究了元与对抗学习作为替代的任务无关方法的潜力。
引用
@article{arxiv.1809.02591,
title = {Learning Invariances for Policy Generalization},
author = {Remi Tachet and Philip Bachman and Harm van Seijen},
journal= {arXiv preprint arXiv:1809.02591},
year = {2020}
}
备注
7 pages, 1 figure