PyBoy

Rank-Then-Act框架在没有环境奖励的情况下学习控制策略

研究人员开发了一个名为Rank-Then-Act (RTA) 的新颖框架，使强化学习代理能够在没有显式环境奖励的情况下从视频演示中学习控制策略。RTA利用视觉语言模型作为序数评分器，预测视频序列中的进展。然后，该评分器用于生成基于相关性的强化学习奖励信号，该信号在各种任务和环境中表现出稳定的性能，包括离散控制基准和连续控制任务。