【ICML2024】深度强化学习中的随机潜在探索

来源：专知
本文为论文介绍，建议阅读5分钟本文介绍了一种名为随机潜在探索（Random Latent Exploration，RLE）的新探索技术。

高效探索高维状态空间的能力对于深度强化学习（RL）的实际成功至关重要。本文介绍了一种名为随机潜在探索（Random Latent Exploration，RLE）的新探索技术，该技术结合了奖励加成和噪声加成（两种深度RL中有效探索的流行方法）的优势。RLE利用了通过在环境的某些（随机）状态中向原始任务奖励添加结构化随机奖励来扰动奖励的想法，以鼓励代理在训练过程中探索环境。RLE实现简单，实践效果良好。为了展示RLE的实际有效性，我们在具有挑战性的ATARI和ISAACGYM基准上进行了评估，结果表明RLE在所有任务中表现出的总体得分高于其他方法。

关于我们

数据派THU作为数据科学类公众号，背靠清华大学大数据研究中心，分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识，努力建设数据人才聚集平台、打造中国大数据最强集团军。

新浪微博：@数据派THU

微信视频号：数据派THU

今日头条：数据派THU