Dec, 2023
用非对称规范来近似最小行动距离
Asymmetric Norms to Approximate the Minimum Action Distance
Lorenzo Steccanella, Anders Jonsson
TL;DR本研究提出了一种奖励无关的马尔可夫决策过程的状态表示方法，通过自我监督学习嵌入空间，使得嵌入状态对之间的距离对应于在它们之间转换所需的最小动作数。与之前的方法不同，我们的方法采用了非对称范数参数化，可以在具有固有不对称性的环境中准确近似最小动作距离。我们展示了如何利用这种表示方法来学习目标条件策略，提供了状态和目标之间的相似度概念和有用的启发式距离来指导规划。为了验证我们的方法，我们在对称和不对称环境下进行了实证实验。结果表明，我们的非对称范数参数化在对称环境中与对称范数表现相当，在不对称环境中超过对称范数。