基于随机潜在探索的深度强化学习
机器学习
2025-02-28 v3
摘要
我们提出了随机潜在探索（Random Latent Exploration, RLE），这是一种简单而有效的强化学习（RL）中的探索策略。平均而言，RLE 在噪声基于的方法（这些方法扰动智能体的动作）和基于奖励的方法（这些方法奖励尝试新行为的智能体）方面均表现出优于性能。RLE 的核心思想是通过追逐潜在空间中随机抽样的目标来鼓励智能体探索环境的不同部分。RLE 与噪声基于的方法一样简单，它避免了复杂的奖励计算，但保留了基于奖励方法的深层探索效益。我们的实验表明，在离散任务（如 Atari）和连续控制任务（如 Isaac Gym）上，RLE 在平均性能上均有所提高，增强了探索能力，同时保持了简单通用的插件式特性。
引用
@article{arxiv.2407.13755,
title = {Random Latent Exploration for Deep Reinforcement Learning},
author = {Srinath Mahankali and Zhang-Wei Hong and Ayush Sekhari and Alexander Rakhlin and Pulkit Agrawal},
journal= {arXiv preprint arXiv:2407.13755},
year = {2025}
}
备注
Presented at ICML 2024, added link to project website