高效利用示范解决困难探索问题
机器学习
2019-09-05 v1 人工智能
摘要
本文介绍了 R2D3，一种高效利用示范来解决具有高度可变初始条件的部分可观测环境中的困难探索问题的智能体。我们还引入了一套结合这三种特性的八个任务，并表明 R2D3 能够解决其中多个任务，而其他最先进的方法（无论有无示范）在数百亿步探索后甚至未能看到一条成功的轨迹。
引用
@article{arxiv.1909.01387,
title = {Making Efficient Use of Demonstrations to Solve Hard Exploration Problems},
author = {Tom Le Paine and Caglar Gulcehre and Bobak Shahriari and Misha Denil and Matt Hoffman and Hubert Soyer and Richard Tanburn and Steven Kapturowski and Neil Rabinowitz and Duncan Williams and Gabriel Barth-Maron and Ziyu Wang and Nando de Freitas and Worlds Team},
journal= {arXiv preprint arXiv:1909.01387},
year = {2019}
}