Hyperbolic IRL

新的双曲逆强化学习方法增强了奖励函数推断能力

研究人员推出了一种新颖的从观察行为中推断奖励函数的方法——双曲逆强化学习（Hyperbolic IRL）。与不假设特征空间特定几何形状的先前方法不同，双曲逆强化学习基于双曲距离对奖励进行参数化，尤其是在数据稀疏或密集的环境中，提供了更高的预测准确性和可解释性。该方法在既有基准测试中表现出与现有最先进模型相当的性能，并揭示了人类导航任务中复杂的奖励结构，凸显了其在行为解释研究中的潜力。