基于变分自编码器序列解耦的宏动作强化学习
机器学习
2019-06-05 v2 人工智能
机器人学
应用统计
机器学习
摘要
将强化学习应用于实际问题时，一个问题是动作空间上的维度灾难。宏动作，即一系列基本动作，已被研究用以沿时间轴降低动作空间的维度。然而，先前研究依赖人工定义宏动作，或将宏动作假设为相同基本动作的重复。我们提出分解宏动作强化学习（FaMARL），其自主地学习动作序列的解耦因子表示，以生成可直接应用于通用强化学习算法的宏动作。FaMARL 在需要大量搜索的环境上表现出高于其他强化学习算法的分数。
引用
@article{arxiv.1903.09366,
title = {Macro Action Reinforcement Learning with Sequence Disentanglement using Variational Autoencoder},
author = {Heecheol Kim and Masanori Yamada and Kosuke Miyoshi and Hiroshi Yamakawa},
journal= {arXiv preprint arXiv:1903.09366},
year = {2019}
}
备注
First and second authors equally contributed to this paper