面向强化学习的周期性集成内知识蒸馏
机器学习
2020-02-04 v1 人工智能
摘要
离策略集成强化学习（RL）方法已在一组RL基准任务中展现出令人印象深刻的成果。近期工作表明，在训练前或训练过程中以监督方式直接模仿专家策略，可使RL智能体实现更快的策略改进。受这些近期见解启发，我们提出周期性集成内知识蒸馏（PIEKD）。PIEKD是一种学习框架，使用一组策略在环境中行动，同时通过知识蒸馏在集成内策略间周期性共享知识。我们的实验表明，在若干具有挑战性的MuJoCo基准任务上，PIEKD在样本效率方面优于最先进的RL方法。此外，我们进行了消融研究以更好地理解PIEKD。
引用
@article{arxiv.2002.00149,
title = {Periodic Intra-Ensemble Knowledge Distillation for Reinforcement Learning},
author = {Zhang-Wei Hong and Prabhat Nagarajan and Guilherme Maeda},
journal= {arXiv preprint arXiv:2002.00149},
year = {2020}
}
备注
8 pages