Levin Tree Search

新的 rerooter 方法增强了策略树搜索的可扩展性

研究人员通过引入一个学习到的“rerooter”来解决复杂单智能体确定性问题中的策略树搜索问题，开发了一种新方法。该方法将问题隐式地分解为软子任务，避免了显式子目标生成的需求，并降低了计算开销。该论文提出了三种 rerooter 设计——基于聚类、基于启发式和混合式——它们利用了全局状态空间结构和学习到的到达目标成本估计。在实践中，这些 rerooting 方法在传统基于子目标的方法失败的复杂环境中表现出可扩展性，并实现了最先进的在线训练效率。