Schmidhuber

Curiosity-Critic 奖励提高了世界模型训练的准确性

研究人员引入了一种新颖的内在奖励机制，称为 Curiosity-Critic，用于训练世界模型。该方法将其奖励建立在世界模型累积预测误差的改进之上，提供了一个可处理的每步代理。学习到的 Critic 在线估计误差基线，将探索引导至可学习的转换，并区分可约和不可约的预测误差。实验表明，Curiosity-Critic 在训练速度和世界模型准确性方面均优于现有方法。