REPAINT：深度强化学习中的知识迁移
机器学习
2021-05-27 v3 人工智能
机器人学
摘要
通过利用先前学习的任务来加速复杂任务的学习过程，一直是强化学习中最具挑战性的问题之一，尤其在源任务与目标任务相似度较低时。本文提出一种用于深度强化学习中知识迁移的表示与实例迁移（REPAINT）算法。REPAINT不仅在策略内学习中迁移预训练教师策略的表示，还使用基于优势的经验选择方法，在离策略学习中迁移遵循教师策略收集的有用样本。我们在若干基准任务上的实验结果表明，REPAINT在任务相似度的一般情况下显著减少了总训练时间。特别地，当源任务与目标任务不相似或为其子任务时，REPAINT在训练时间缩减和回报分数的渐近性能上均优于其他基线方法。
引用
@article{arxiv.2011.11827,
title = {REPAINT: Knowledge Transfer in Deep Reinforcement Learning},
author = {Yunzhe Tao and Sahika Genc and Jonathan Chung and Tao Sun and Sunil Mallya},
journal= {arXiv preprint arXiv:2011.11827},
year = {2021}
}
备注
Published at ICML 2021