Skew-Fit: State-Covering Self-Supervised Reinforcement Learning. ICML 2020Skew-Fit: State-Covering Self-Supervised Reinforcement Learningarxiv.org
在 Goal-Conditional 任务中,智能体主要的优化目标包括:最大化
。最大化访问状态的熵,尽可能多的访问更多的状态。
最小化
。在给定目标
的情况下,减小状态的 conditional entropy.
将二者进行结合导出最终的优化目标为最大化
和
的互信息:
从另一个方面,该互信息可以分解为:
分解的两项中,第一项希望学习过程中能够学到如何 reach 尽可能 diverse 的 goal. 这一项在之前的研究中经常被忽略。第二项希望学习过程学习到能够到达目标的 goal-conditional 策略。本文的主要创新点在于如何优化第一项,第二项的优化使用已有的 RIG 算法进行。
1. 最大化
假设目标空间和状态空间是相同