cloning

梦境排练解决了持续强化学习智能体的遗忘问题

研究人员发现，在基于模型的强化学习中，导致遗忘任务的不是“世界模型”，而是“演员”组件。对DreamerV3系列智能体的实验表明，虽然世界模型保留了过去任务的信息，但演员的行为却退化了。通过一种称为“梦境排练”的技术，即在世界模型生成的梦境上进行监督式自我模仿，智能体能够在无需直接与环境交互的情况下保留技能，其表现优于传统的经验回放缓冲区和真实片段克隆。