WM-PPO

AI代理通过内在动机和预测状态学习世界模型 · 已追踪2个来源

研究人员正在探索内在动机如何增强强化学习代理构建世界模型的能力。一篇论文将24个内在目标（包括好奇心、熵和能力）整合到强化学习框架中，发现由好奇心驱动的带有观测重建的探索产生了强大的结果。另一种方法WM-PPO将世界模型与Proximal Policy Optimization的评论家相结合，从预测的后继状态生成辅助策略优势和价值目标，在ALFWorld和ScienceWorld等环境中显著提高了任务成功率，而无需特权信息。