Andrew Wagenmaker

新的强化学习方法使用成功访问匹配实现更快的学习

研究人员开发了一种新颖的方法来解决强化学习（RL）中稀疏奖励的挑战。他们的方法包括训练一个判别器来区分成功的和不成功的任务回合。然后，该判别器会激励RL策略模仿成功回合的状态-动作访问，同时避免不成功回合的状态-动作访问，从而提供更密集的反馈以实现更快的学习。与传统的稀疏奖励最大化方法相比，该方法在模拟和现实世界的机器人操作任务上都显著提高了RL微调性能。