强化学习_10_Datawhale稀疏奖励

习题

10-1 解决稀疏奖励的方法有哪些？

• 设计奖励
• 好奇心驱动的奖励
• 课程学习 / 逆课程学习
• 分层强化

10-2 设计奖励方法存在什么主要问题？

需要预先拥有领域知识，需要经验积累

10-3 内在好奇心模块是什么？我们应该如何设计这个内在好奇心模块？

内在好奇心模块: 输入状态s1、动作a1和状态s2, 输出另一个奖励ri1。总奖励包含r和ri
设计内在好奇心模块:

• 一般网络构建
  • 输入s1, a1, 输出s’t+1;
  • 评估: similar(s’t+1, st+1) 越大则奖励越大。
  • 简述: 倾向于让智能体做一些风险比较大的动作，从而增加其探索的能力
• 增强表达的网络构建
  • 内在好奇心优化为特征提取器
  • feature + head
  • feature 层进行特征提取 将 s -> imp_s
  • head 进行优化
  • forward:
    • imp_s = feature(s)
    • imp_s1 = feature(s1)
    • a’=head(imp_s, imp_s1)
  • 评估 进行下一次动作的
    • similar(a1, a’) 动作跟真正的动作越接近越好
  • ri = imp_s1 - Q(a, imp_s)