weixin_43599984的博客

原创 博客摘录「 强化学习稀疏奖励问题（sparse reward）及解决方法」2023年9月30日

st+1是很难见到的场景，进入该状态说明玩家具有好奇心。但某些稀有画面的出现是随机的，与玩家的动作无关，所以进入该状态与好奇心无关。输入（a,st）,输出预测的st+1'，若与实际st+1相反，就能说你采取a这种动作好奇心很大。但st+1'和st+1出现这种差异只能说与输入（a，st）有关，有可能会出现只与st有关，而跟你采取的动作a无关。为了排除这种情况，再设置一个网络，输入（st，st+1）,输出at’，若at‘和实际at相近，则说明由状态st转变到st+1是由于你采取动作a而引起的。