BriefGPT - AI 论文速递
·
基于潜力的奖励塑造对内在动机的影响
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
最近出现了大量的内在动机（IM）奖励塑造方法来学习复杂和稀疏奖励的环境。我们提出了一个扩展的潜在基于奖励塑造（PBRS）方法，保留了最优策略集。同时，我们还提出了一种名为“基于潜在的内在动机”（PBIM）的方法，将IM奖励转化为基于潜在的形式，而无需改变最优策略集。在测试中，我们证明PBIM成功防止了智能体收敛到次优策略并且可以加速训练。
🎯
关键要点
- 最近出现了大量的内在动机（IM）奖励塑造方法来学习复杂和稀疏奖励的环境。
- 这些方法可能无意中改变环境中的最优策略集，导致次优行为。
- 提出了扩展的潜在基于奖励塑造（PBRS）方法，能够在更一般的函数集合下保留最优策略集。
- 提出了一种名为“基于潜在的内在动机”（PBIM）的方法，将IM奖励转化为基于潜在的形式。
- PBIM方法无需改变最优策略集，成功防止智能体收敛到次优策略。
- 在MiniGrid DoorKey和Cliff Walking环境中的测试中，PBIM可以加速训练。
➡️
