文章目录
前言
概述增强式学习(四)Reward shaping
Reward shaping
在actor和环境互动时,很怕遇到reward在绝大部分情况下都是0,极少情况会获得一个很大的reward,这就导致我们不知道action究竟是好还是坏。比如教机器拧螺丝,只要没有拧好都是0,这个时候犹豫初始参数是随机的,这就导致了在绝大部分情况下reward都是0。遇到这种状况,想办法提供额外的reward,引导agents学习,这种方法就是reward shaping。Reward shaping是需要专业知识的,比如细分动作,甚至是给一些“正向”的行为负reward,应为在刚开始的时候,可能会为了这些正向行为,学到的和需要的功能是截然相反的。比如击杀游戏中,活着如果获得正向reward,那么可能学到的就是在边缘躲着。
总结
视频学习地址:https://www.bilibili.com/video/BV13Z4y1P7D7?p=31&vd_source=3a369b537e1d34ff9ba8f8ab23afedec