Apr, 2024

PIPER: 基于先验知识驱动的基于偏见重标记的层次强化学习

TL;DR通过基于偏好的学习来学习奖励模型,并利用此模型对更高级别的重放缓冲区进行重新标记,以缓解现有层次化方法中常见的非稳态问题,并在各种具有挑战性的稀疏奖励任务中展现出令人印象深刻的性能。