高维度探索中的聚类和预训练表示方法
原文中文，约200字，阅读约需1分钟。发表于：。该论文采用密度估计问题的视角，研究在强化学习中基于表示的探索方法，提出了在 3D 环境中使用聚类表示进行探索的有效性，并探索了随机表示和预训练 DINO 表示进行聚类计数状态的方法，最终在 VizDoom 和 Habitat 环境中证明了该方法在探索方面优于其他已知方法。
该论文研究了基于表示的探索方法在强化学习中的应用，通过在3D环境中使用聚类表示进行探索，以及使用随机表示和预训练DINO表示进行聚类计数状态的方法。实验证明该方法在VizDoom和Habitat环境中的探索效果优于其他方法。
