AAAIJul, 2020
基于非参状态熵估计的策略梯度无任务探索
Task-Agnostic Exploration via Policy Gradient of a Non-Parametric State Entropy Estimate
Mirco Mutti, Lorenzo Pratissoli, Marcello Restelli
TL;DR本文通过提出新的策略搜索算法 MEPOL（Maximum Entropy POLicy optimization)，并在实验中展示了它在高维、连续控制领域中学习最大熵策略的能力，为研究 agent 在无奖励环境中探索最优策略的内在目标提供了一种可行的选择。