熄灯：训练对暂时性失明具有鲁棒性的强化学习智能体
人工智能
2023-12-06 v1 机器学习
摘要
使用 DQN 训练的智能体依赖每个时间步的观测来决定下一步采取何种动作。然而，在现实世界应用中，观测可能会改变或完全缺失。例如，灯泡损坏或某个房间的壁纸发生变化。虽然这些情况改变了实际观测，但底层的最优策略并未改变。因此，我们希望智能体能够继续采取动作，直到再次接收到（可识别的）观测。为实现这一点，我们引入了一种组合方法，包括使用观测隐藏表示的神经网络架构和一个新颖的 n 步损失函数。我们的实现能够承受比训练时所经历的更长的基于位置的失明时段，因此展示了对暂时性失明的鲁棒性。如需访问我们的实现，请发送电子邮件给 Nathan、Marije 或 Pau。
引用
@article{arxiv.2312.02665,
title = {Lights out: training RL agents robust to temporary blindness},
author = {N. Ordonez and M. Tromp and P. M. Julbe and W. Böhmer},
journal= {arXiv preprint arXiv:2312.02665},
year = {2023}
}