結(jié)合對比預(yù)測的離線元強化學(xué)習(xí)方法

摘要： 傳統(tǒng)的強化學(xué)習(xí)算法與環(huán)境進行大量交互才能獲取穩(wěn)定的動作選擇策略，且無法有效應(yīng)對任務(wù)環(huán)境發(fā)生改變的情況，因此難以應(yīng)用于實際問題。離線元強化學(xué)習(xí)通過使用包含多個任務(wù)的經(jīng)驗回放數(shù)據(jù)集進行離線策略學(xué)習(xí)，為復(fù)雜情況下智能體快速適應(yīng)新任務(wù)提供了一種有效方法。將離線元強化學(xué)習(xí)算法應(yīng)用于復(fù)雜任務(wù)將會面臨兩個挑戰(zhàn)：首先，由于無法與環(huán)境進行充分交互，離線強化學(xué)習(xí)算法會錯誤估計數(shù)據(jù)集外動作的價值，進...