SimSR：一种用于深度强化学习的基于距离的简单状态表征
机器学习
2022-03-01 v2 人工智能
摘要
本工作探索如何利用深度强化学习方法从基于图像的观测中学习鲁棒且可泛化的状态表征。针对现有双模拟度量（bisimulation metric）工作中的计算复杂度高、假设严苛与表征坍缩挑战，我们设计了简单状态表征（SimSR）算子。SimSR使我们能够设计一种随机近似方法，可实际学习从观测到隐表征空间的映射函数（编码器）。除理论分析与现有工作对比外，我们在视觉MuJoCo任务中将本工作与近期SOTA方案进行了实验对比。结果表明，我们的模型总体上取得更优性能，并具有更好的鲁棒性与良好泛化能力。
引用
@article{arxiv.2112.15303,
title = {SimSR: Simple Distance-based State Representation for Deep Reinforcement Learning},
author = {Hongyu Zang and Xin Li and Mingzhong Wang},
journal= {arXiv preprint arXiv:2112.15303},
year = {2022}
}
备注
Accepted by AAAI 2022, Preprint version with Appendix