通过算法对齐迈向样本高效智能体
人工智能
2021-10-22 v5 机器学习
摘要
在这项工作中，我们提出并探索深度图值网络（DeepGV）作为一种有前景的方法，利用消息传递机制规避深度强化学习智能体的样本复杂度问题。其核心思想是智能体应受动态规划等结构化非神经网络算法引导。根据算法对齐的最新进展，具有结构化计算过程的神经网络可被高效训练。我们通过展示深度图值网络在求解马尔可夫决策过程（MDP）时能大幅优于非结构化基线，证明了图神经网络在支持样本高效学习方面的潜力。我们相信这将为结构化智能体设计开辟新途径。代码见 https://github.com/drmeerkat/Deep-Graph-Value-Network。
引用
@article{arxiv.2008.03229,
title = {Towards Sample Efficient Agents through Algorithmic Alignment},
author = {Mingxuan Li and Michael L. Littman},
journal= {arXiv preprint arXiv:2008.03229},
year = {2021}
}