Jul, 2021
强化学习中泛化的困难之处：认知POMDP和隐式部分可观测性
Why Generalization in RL is Difficult: Epistemic POMDPs and Implicit
Partial Observability
TL;DR本文研究了强化学习系统在现实世界中部署的中心挑战——泛化，并展示了强化学习问题的时序结构需要新的泛化方法，同时介绍了一种新的部分可观察马尔可夫决策过程（POMDP）解决方案——认知 POMDP，通过简单的基于集成的技术解决了部分可观测性问题，证明了所提出的算法对 Procgen 基准套件的表现相比现有方法有显著提高。