计算机科学 > 机器学习
[提交于 2025年11月6日
]
标题: 环境无关的目标条件,自由奖励自主学习的研究
标题: Environment Agnostic Goal-Conditioning, A Study of Reward-Free Autonomous Learning
摘要: 在本文中,我们研究如何将常规强化学习环境转化为目标条件环境,使智能体能够自主且无需奖励地解决任务。 我们表明,智能体可以在与外部引导的强化学习相当的训练时间内,以环境无关的方式选择自己的目标来学习解决问题。 我们的方法独立于底层的离策略学习算法。 由于我们的方法是环境无关的,智能体不会对任何目标给予更高的价值,这导致单个目标的性能不稳定。 然而,在我们的实验中,我们展示了平均目标成功率达到并稳定在较高水平。 使用此方法训练的智能体可以被指示去寻找环境中任何观察到的内容,从而在特定用例之前实现智能体的通用训练。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.