自模仿学习
机器学习
2018-06-15 v1 人工智能
机器学习
摘要
本文提出自模仿学习 (SIL)，一种简单的离策略 actor-critic 算法，学习复现智能体过去的良好决策。该算法旨在验证我们的假设：利用过去的好经验可以间接驱动深度探索。我们的经验结果表明，SIL 在数个困难探索的 Atari 游戏上显著改进了 advantage actor-critic (A2C)，并与最先进的基于计数的探索方法具有竞争力。我们还展示了 SIL 在 MuJoCo 任务上改进了 proximal policy optimization (PPO)。
引用
@article{arxiv.1806.05635,
title = {Self-Imitation Learning},
author = {Junhyuk Oh and Yijie Guo and Satinder Singh and Honglak Lee},
journal= {arXiv preprint arXiv:1806.05635},
year = {2018}
}