Scifaro

中文

关于通过元强化学习来学习探索的一些思考

人工智能 2019-01-15 v2

作者: Bradly C. Stadie , Ge Yang , Rein Houthooft , Xi Chen , Yan Duan , Yuhuai Wu , Pieter Abbeel , Ilya Sutskever

在 arXiv 上查看 ↗ PDF ↗

摘要

我们考虑元强化学习中的探索问题。提出了两种新的元强化学习算法：E-MAML和E- $\text{RL}^2$ 。结果在一个我们称为“Krazy World”的新环境以及一组迷宫环境上给出。我们展示了E-MAML和E- $\text{RL}^2$ 在探索重要的任务上提供了更好的性能。

关键词

元强化学习探索 E-MAML E-$\text{RL}^2$ Krazy World 迷宫环境

引用

@article{arxiv.1803.01118,
  title  = {Some Considerations on Learning to Explore via Meta-Reinforcement Learning},
  author = {Bradly C. Stadie and Ge Yang and Rein Houthooft and Xi Chen and Yan Duan and Yuhuai Wu and Pieter Abbeel and Ilya Sutskever},
  journal= {arXiv preprint arXiv:1803.01118},
  year   = {2019}
}