May, 2017

通过损坏的奖励通道进行强化学习

TL;DR该研究论文探讨了在强化学习中出现奖励数据错误的情况,提出了一种通用的马尔可夫决策问题模型(Corrupt Reward MDP),并结合反向强化学习和半监督强化学习的策略对奖励数据错误的解决方法进行了探讨。同时指出在某些假设下通过随机化也可以部分解决奖励数据错误的问题。