基于分层强化学习与地标点的解谜 Sokoban
人工智能
2025-04-08 v1
摘要
我们引入一种新型的分层强化学习 (HRL) 框架，通过学习的子目标执行自上而下递归规划，成功应用于复杂的组合 puzzle 游戏 Sokoban。我们的框架构建了一个六层策略层级，其中高层策略为下层策略生成子目标。所有子目标和策略均从零开始端到端学习，无需任何领域知识。我们的结果表明，智能体可以从单次高层调用中生成长序列动作。虽然先前的工作探索了 2-3 层层级和基于子目标的规划启发式方法，但我们展示了纯粹通过学习可以实现深层递归目标分解，并且这些层级可以有效扩展到困难的 puzzle 领域。
引用
@article{arxiv.2504.04366,
title = {Solving Sokoban using Hierarchical Reinforcement Learning with Landmarks},
author = {Sergey Pastukhov},
journal= {arXiv preprint arXiv:2504.04366},
year = {2025}
}
备注
13 pages, 6 figures