本文提出一种具有可控因果结构的强化学习环境，分别从计算机模型和儿童实验两个角度，发现信息增益和儿童探索在因果环境下的显著差异，展望了这些发现对于强化学习算法有效探索和消除因果结构歧义的新研究方向。

Feb, 2022

本文通过构建一个学习环境，研究深入分析任务结构对人类学习和增强学习的影响，并通过任务结构的实验，证明这个学习环境能够帮助人们研究任务结构对于人类和增强学习算法差异的影响。

Jun, 2023

DeepMind 的 “博弈论与多智能体团队” 研究了多智能体学习的多个方面，旨在使用深度强化学习探索复杂环境下的多智能体系统，并使用这些基准来推进我们的理解；本文总结了他们最近的工作并提出了一项分类，突显了多智能体研究中许多重要的开放性挑战。

Sep, 2022

使用神经网络的好奇心驱动内在动机以及采用自我监督的方法，在简单而生态自然的模拟环境中，实现自主环境探索，获取对环境的理解，从而创造一系列复杂的行为，并提高了对象动态预测、检测、定位和识别任务的性能。

Feb, 2018

通过元学习神经网络马尔可夫决策过程，我们发现专门的训练环境对于训练强化学习智能体具有潜在的速度提升能力，并且发现上下文为基的赌博机能够实现良好的评估环境转移，从而加速下游应用。

Jun, 2024

本文评估了深度强化学习在现实世界机器人中的应用，包括学习知觉和运动等复杂技能的案例研究以及相关挑战。

Feb, 2021

本文提出了一种名为 causal curiosity 的新的内在奖励方法，通过将其融入强化学习代理中，使代理能够通过自己生成的实验数据，以更少的数据量进行自我监督学习，发现环境中的因果关系，并能够将其应用于更复杂的任务之中。

Oct, 2020

提出了一种新的元强化学习框架（First-Explore），它有两个策略：一个策略仅学习探索，另一个策略仅学习开发，该方法避免了尝试同时进行探索和开发的冲突，解决了普通 RL 和元 RL 方法中学习智能探索的核心障碍，提高了样本效率，并在需要牺牲奖励的领域中优于传统 RL 和元 RL 方法，从而可以学习人类级别的探索，解决具有挑战性的未知难探索领域。

Jul, 2023

本研究使用虚拟婴儿代理，在无外部奖励的情况下，测试了与人类探索的动机类似的内在奖励功能，并发现了好奇心式的内在奖励和有关性交互的连续性有助于引发探索和生成动态的社交行为和强大的预测世界模型。

May, 2023

该研究旨在探讨人类探索行为与人工智能自主性和适应性的联系，并将认知心理学范例应用于机器学习方法中。研究表明，与人类对应的人工智能代理可以通过内部状态与探索行为之间的因果关系来学习并自我发展，这对于人类认知研究和人工智能的发展都具有重大意义。

Feb, 2023