model-based 强化学习分类
转载自：https://zhuanlan.zhihu.com/p/72642285model-based RL这个方向的工作可以根据environment model的用法分为三类：作为新的数据源：environment model 和 agent 交互产生数据，作为额外的训练数据源来补充算法的训练。增加决策的context信息：在进行Q值或者V值预估时，environment model ...
·
转载自：https://zhuanlan.zhihu.com/p/72642285
model-based RL这个方向的工作可以根据environment model的用法分为三类：
1.作为新的数据源：environment model 和 agent 交互产生数据，作为额外的训练数据源来补充算法的训练。
2.增加决策的context信息：在进行Q值或者V值预估时，environment model 和agent做交互，交互过程中的信息作为context提供给agent来帮助其决策。
3.增加Q值预估的质量：在进行Q值预估时候，会通过environment model 来展开一定步数，然后结合model-free的Q值预估来给出一个更高准确的Q值预估。
其中3和2有点类似，但是2一般和planning结合，3的话则更多用于off-policy的RL算法中
魔乐社区（Modelers.cn) 是一个中立、公益的人工智能社区，提供人工智能工具、模型、数据的托管、展示与应用协同服务，为人工智能开发及爱好者搭建开放的学习交流平台。社区通过理事会方式运作，由全产业链共同建设、共同运营、共同享有，推动国产AI生态繁荣发展。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)