文章目录
Sparse Reward
- 很多情况下环境中的reward是稀疏的 agent很难得到reward
Reward Shaping
- 开发者刻意设计reward
- example:比如小孩学习 如第二种情况要是study的reward永远是-1 那小孩只会选第一种action 所以可以人为加上一些reward引导小孩去往最高reward的方向走
Curiosity
- ICM鼓励冒险 两个state差距越大 代表下一步更难预测 reward越大
-
但是难以预测的不代表重要的 所以需要另一个network去筛除不重要的但难以预测的state
-
Network1 输入s1,a1,s2放入ICM 输出 另一种reward 加到total reward上面
-
Network2输入 s1 s2的feature 输出一个action预测 希望这个预测的action跟原来用于s1 到达 s2 的action越接近越好
Curriculum Learning
-
给机器设计learn的顺序 由容易到难 规划课程
-
Example;比如一个机械臂把一个板子穿到一个棍子上 设计课程由把板子已经插在棍子上开始学 然后一步步把板子拿远让机器学
Reverse Curriculum Generation
-
sample goal state 之间的一系列origin state closed to goal state
-
计算每个origin state的reward
-
去除极端的reward 寻找reward适中的case
-
sample from origin state 然后从新sample的点继续出发 重复上述步骤
Hierarchical RL
-
建立一个agent的阶层体系
-
高层的agent只提出一些愿景 然后给下一级的agent 直到最下层的agent采取action
-
每一个agent都会learn 所有agent的目标就是达到那个愿景
-
如果下层的agent无法达到上层提出的愿景 上层agent就会得到penalty
-
如果某一个agent达到了一个不太好的goal 那么最初的愿景就换成一个不太好的goal 然后结束