学习和复用原始行为以提高回顾经验重演的样本效率

本文介绍了一种名为“Hindsight Experience Replay”的新技术，可以有效地学习来自稀疏二元奖励的知识，并可以与任意离线RL算法相结合。通过实验，演示了该方法在操作机器人手臂上的实际应用，并展示了在物理仿真中训练的策略可以部署在物理机器人上，并成功地完成任务。