Jul, 2023
通过对比学习在强化学习中发现层次成就
Discovering Hierarchical Achievements in Reinforcement Learning via
Contrastive Learning
TL;DR在本研究中，我们发现了一种名为近似策略优化（PPO）的简单而多功能的无模型算法，其比之前的方法在最近的实施实践中表现更好。此外，我们还发现PPO代理在某种程度上能够预测下一个要解锁的成就，尽管置信度较低。基于这一发现，我们提出了一种名为成就蒸馏的新颖对比学习方法，该方法增强了代理预测下一个成就的能力。我们的方法在挑战性的Crafter环境中表现出强大的发现层次成就的能力，并以更少的模型参数在样本高效的范围内展示了最先进的性能。