Apr, 2024

强化学习中抽象和基于潜力的奖励塑形的样本效率研究

TL;DR利用抽象技术在有限时间内生成“好”的潜力函数,分析在Potential Based Reward Shaping中有限时间引入的偏差,并在四个不同环境中进行评估,证明我们可以通过简单的全连接网络达到与基于CNN的解决方案相同的性能水平。