深度强化学习系列（三）Value iteration Network

TensorFlow代码实现：https://github.com/TheAbhiKumar/tensorflow-value-iteration-networks

原创文章，转载请标明出处：http://blog.csdn.net/ikerpeng/article/details/53784021
知乎同步发布：https://zhuanlan.zhihu.com/p/24478944

交流请加群：580043385

今天这个歪楼以下，插播今年NIPS的最佳论文，也是强化学习的一篇论文，叫做 Value iteration Network.

这一篇强化学习的论文是为了解决 强化学习当中泛化能力差的问题，为了解决这个问题，引入了一个 Learn to plan 的模块。

本文的最大创新：在一般性的策略（Policy representation）表示当中加入了一个 规划模块（Planing module）。作者认为加入这个模块的motivation是很自然的，因为决解一个空间的问题的时候都不是单纯的解决这个问题，而是要在这个空间当中去计划。