强化学习中的特权信息丢弃
机器学习
2020-05-20 v1 人工智能
机器学习
摘要
在训练期间使用特权信息可提升机器学习系统的样本效率与性能。这一范式已应用于强化学习（RL），主要形式为蒸馏或辅助任务，较少以扩充智能体输入的形式出现。在本工作中，我们研究特权信息丢弃（\pid）以实现后者，其可同等地应用于基于价值和基于策略的RL算法。在一个简单的部分可观测环境中，我们证明了\pid优于利用特权信息的替代方案，包括蒸馏和辅助任务，并能成功利用不同类型的特权信息。最后，我们分析了其对所学表征的影响。
引用
@article{arxiv.2005.09220,
title = {Privileged Information Dropout in Reinforcement Learning},
author = {Pierre-Alexandre Kamienny and Kai Arulkumaran and Feryal Behbahani and Wendelin Boehmer and Shimon Whiteson},
journal= {arXiv preprint arXiv:2005.09220},
year = {2020}
}