XLVIN：可执行潜变量值迭代网络
机器学习
2020-12-08 v2 人工智能
机器学习
摘要
值迭代网络（VINs）已成为在深度强化学习中融入规划算法的流行方法，能够在需要长程推理与环境动态理解的任务上提升性能。然而，这带来了若干局限：模型未以任何方式被激励去执行有意义的规划计算，底层状态空间被假设为离散的，且马尔可夫决策过程（MDP）被假设为固定且已知的。我们提出可执行潜变量值迭代网络（XLVINs），其结合对比自监督学习、图表示学习与神经算法推理方面的近期进展，以缓解上述所有局限，成功地在通用环境中部署VIN风格模型。当底层MDP为离散、固定且已知时，XLVINs与VIN类模型性能相当，并在三种通用MDP设定下相对于无模型基线提供显著改进。
引用
@article{arxiv.2010.13146,
title = {XLVIN: eXecuted Latent Value Iteration Nets},
author = {Andreea Deac and Petar Veličković and Ognjen Milinković and Pierre-Luc Bacon and Jian Tang and Mladen Nikolić},
journal= {arXiv preprint arXiv:2010.13146},
year = {2020}
}
备注
NeurIPS 2020 Deep Reinforcement Learning Workshop