- 博客(1)
- 收藏
- 关注
原创 强化学习:First return, then explore论文笔记
之前的RL算法并没有将返回和探索分开,而是将探索贯穿整个章节,通常是通过在一小部分时间内添加随机动作或从随机策略(一个决定在每种状态下采取哪种动作的函数,通常是神经网络)中取样来进行探索。为了避免脱离问题,Go-explore构建了一个存档(archive),用来保存Agent在环境中访问过的不同Go-Explore系列算法的有效性表明,它将使许多可以被视为顺序决策问题的领域取得进展,包括机器人、语言理解和药物设计。这些示例只是Go-explore方向的一小部分,未来工作的一个关键方向是学习细胞表示。
2022-10-09 19:45:47
237
3
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人