142页"ICML会议"强化学习笔记整理，值得细读

作者 | David Abel

编辑 | DeepRL

来源 | 深度强化学习实验室（ID: Deep-RL）

ICML 是 International Conference on Machine Learning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。其中强化学习便是该会议很重要的一个话题，每年都有非常多的投稿。本文整理了David Abel总结的ICML2018、2019两年的深度强化学习笔记，详看正文。

1

ICML-2019-RL-Note

作者整理简介：我在本次会议的RL分场上度过了大部分时间（可惜错过了所有主题演讲), 所以我的大部分反思（和笔记）都集中在RL：

• 关于非策略评估和非策略学习的大量工作（例如，参见Hanna  等人[35]，Le等人[49]，Fujimoto等人[26]，Gottesman等人的工作）等[32]
•  探索再次成为一个热门话题（参见Mavrin等人[57]，Fatemi等人[25]，Hazan等人[37]，Shani等人[76]的工作）。除了策略评估（以及其他一些评估），这也是RL中的基本问题之一。
• 一些非常好的工作继续澄清分布式RL [10]（参见[74，57，67]的工作）。
• 作者认为我们需要标准化RL中的评估。并不是说我们只需要一个单一的方法或一个域，而是目前评估协议中有太多差异。

元学习&元强化学习

元学习算法通用方法

1. Choose a form of Pr(φi | Dtrain i , θ).
2. Choose how to optimize θ with respect to max-likelihood objective using Dmeta-train.
   

为什么元强化学习有用？

几乎所有问题都与现有方法的样本效率低下有关。将TRPO应用于真正的机器人时，机器人需要花费数天或数周的时间才能开始取得任何进展（学习步行）。

通常情况下，智能体的目标是学习一个策略最大化累计期望奖励。

而且，RL目标的元学习问题是学习 ，因此，元RL问题如下：

其优化过程如下：

当然元学习有它的优势，也有对应的挑战。

挑战1：超量配置：元学习需要任务分配，一些元学习方法可能会过度适合这些任务分配。

挑战2：任务设计：通常必须手动选择这些任务分配，或者它们的多样性不足以鼓励正确的行为。很难以正确的方式选择任务分配！

挑战3：了解哪种算法过度拟合：许多不同的方法（黑盒，基于优化的非参数方法），但是我们不知道哪种算法最容易遭受元过度拟合。

图强化学习

图模型最近在深度学习中特别的人们，然而在强化学习中也是独领风骚：TibGM: A Graphical Model Approach for RL

还有包括分布式强化学习，理论等相关内容，详见文末PDF2019

2

ICML-2018-RL-Note

Github查看(欢迎star仓库):

https://github.com/NeuronDance/DeepRL/tree/master/DRL-ConferencePaper/ICML/Source

（*本文为 AI科技大本营转载文章， 转 载请 联系原作者 ）

◆

精彩推荐

◆

2019 中国大数据技术大会（BDTC）再度来袭！豪华主席阵容及百位技术专家齐聚，15 场精选专题技术和行业论坛，超强干货+技术剖析+行业实践立体解读，深入解析热门技术在行业中的实践落地。

即日起，限量 5 折票开售，数量有限，扫码购买，先到先得！

推荐阅读

• @程序员：Python 3.8正式发布，重要新功能都在这里

• AutoML很火，过度吹捧的结果？

• AI大佬“互怼”：Bengio和Gary Marcus隔空对谈深度学习发展现状

• Python脚本BUG引发学界震动，影响有多大？

• 太鸡冻了！我用Python偷偷查到暗恋女生的名字

• 苹果 5G 芯片“难产”

• 如果把线程当作一个人来对待，秒懂

• C 语言这么厉害，它自身是用什么语言写的？

• 从4个维度深度剖析闪电网络现状，在CKB上实现闪电网络的理由 | 博文精选

你点的每个“在看”，我都认真当成了AI