huitailangyz的博客

【2016NIPS】 任务：层次强化学习 本文提出了层次强化学习，顶层使用价值函数让策略模型学习到内在目标，底层则决定具体的动作，从而来满足顶层提出的给定目标 内在目标可以提供更多的探索，从而缓解稀疏反馈的问题，目标定义在entity和相互之间关系的空间中，可以限制探索空间，提高学习效率 模型 整体结构 由两阶段的层次化结构组成 顶层meta-controller输入为状态sts_tst​，输出为目标gtg_tgt​ 下层controller的输入为gtg_tgt​和sts_tst​，输出为动作ata_t

【2020ICLR】 Goyal, Anirudh, Shagun Sodhani, Jonathan Binas, Xue Bin Peng, Sergey Levine, and Yoshua Bengio. “Reinforcement learning with competitive ensembles of information-constrained primitives.” arXiv preprint arXiv:1906.10667 (2019). 任务：强化学习的迁移学习 本文提出的

【2020.7 arxiv】 Oh, Junhyuk, Matteo Hessel, Wojciech M. Czarnecki, Zhongwen Xu, Hado van Hasselt, Satinder Singh, and David Silver. “Discovering Reinforcement Learning Algorithms.” arXiv preprint arXiv:2007.08794 (2020). 任务：使用meta-learning方法学习通用的强化学习算法 解决自动