initial_h

2022年5月30日

Data-Efficient Hierarchical Reinforcement Learning

摘要： **发表时间：**2018（NIPS 2018） **文章要点：**这篇文章提出了一个分层强化的算法HIRO: Hierarchical Reinforcement learning with Off-policy correction。主要的点在于不用人工设计具体的上层goal，同时用off-po 阅读全文

posted @ 2022-05-30 23:43 initial_h 阅读(101) 评论(0) 推荐(0) 编辑

2022年5月25日

An Investigation of Model-Free Planning

摘要： **发表时间：**2019（ICML 2019） **文章要点：**这篇文章主要是做实验探讨了一下什么形式算planning。之前的planning通常会设置一个具体的planning算法，比如Monte Carlo rollouts,MCTS等等，或者在网络里面嵌入类似planning的结构，比如阅读全文

posted @ 2022-05-25 23:32 initial_h 阅读(35) 评论(0) 推荐(0) 编辑

2022年5月23日

A0C: Alpha Zero in Continuous Action Space

摘要： **发表时间：**2018 **文章要点：**这篇文章提出A0C算法，把AlphaZero做到连续动作空间上，主要使用的方式是progressive widening和continuous prior（就是continuous policy network）。具体的，progressive wide 阅读全文

posted @ 2022-05-23 23:05 initial_h 阅读(282) 评论(0) 推荐(0) 编辑

2022年5月20日

Decoupling Exploration and Exploitation for Meta-Reinforcement Learning without Sacrifices

摘要： ![](https://img2022.cnblogs.com/blog/1428973/202205/1428973-20220520233518255-741349706.png) **发表时间：**2021（ICML 2021） **文章要点：**这篇文章想说，通常强化学习算法explorat 阅读全文

posted @ 2022-05-20 23:43 initial_h 阅读(77) 评论(0) 推荐(0) 编辑

2022年5月18日

Discovering symbolic policies with deep reinforcement learning

摘要： **发表时间：**2021（ICML 2021） **文章要点：**这篇文章想说神经网络的解释性太差，用简单的符号式子来表示策略具有更好的解释性，而且性能也不错。这里符号式子就是一个简单的函数。作者就提出了一个叫deep symbolic policy的算法来搜索symbolic policies。阅读全文

posted @ 2022-05-18 23:52 initial_h 阅读(143) 评论(0) 推荐(0) 编辑

2022年5月15日

Revisiting Rainbow: Promoting more Insightful and Inclusive Deep Reinforcement Learning Research

摘要： **发表时间：**2021（ICML 2021） **文章要点：**这篇文章就是在小的环境上重新测试了一遍DQN以及一系列变种的效果，得出的结论就是说即使是在简单任务上进行测试，也能得到有价值的结果，呼吁降低研究RL的算力门槛。具体的，作者先说就算是Atari游戏上做研究，对算力的要求也是巨大的，A 阅读全文

posted @ 2022-05-15 23:07 initial_h 阅读(40) 评论(0) 推荐(0) 编辑

2022年5月13日

Planning to Explore via Self-Supervised World Models

摘要： **发表时间：**2020（ICML 2020） **文章要点：**这篇文章提出了一个Plan2Explore的model based方法，通过self-supervised方法来做Task-agnostic的探索，在这个过程中有效学习了world model，然后可以迁移到下游的具体任务上，实现z 阅读全文

posted @ 2022-05-13 22:54 initial_h 阅读(153) 评论(0) 推荐(0) 编辑

EXPLORATION BY RANDOM NETWORK DISTILLATION

摘要： ![](https://img2022.cnblogs.com/blog/1428973/202205/1428973-20220513224416903-1994717629.png) **发表时间：**2018（ICLR 2019） **文章要点：**文章提出了一个random network 阅读全文

posted @ 2022-05-13 22:50 initial_h 阅读(357) 评论(0) 推荐(0) 编辑

2022年5月8日

NEVER GIVE UP: LEARNING DIRECTED EXPLORATION STRATEGIES

摘要： **发表时间：**2020(ICLR 2020) **文章要点：**这篇文章的思路是运用distributed RL的形式，基于intrinsic reward，并行多个agent，将exploration策略和exploitation策略分开单独训练，这样可以设置一族探索程度不同的explorat 阅读全文

posted @ 2022-05-08 23:59 initial_h 阅读(255) 评论(0) 推荐(0) 编辑

2022年5月4日

Discovering and Achieving Goals via World Models

摘要： **发表时间：**2021（NeurIPS 2021） **文章要点：**这篇文章提出Latent Explorer Achiever (LEXA)算法，通过学习world model的imagined rollouts来训练一个explorer策略和一个achiever策略，通过unsupervi 阅读全文

posted @ 2022-05-04 22:23 initial_h 阅读(128) 评论(0) 推荐(0) 编辑

2022年5月2日

Agent57: Outperforming the Atari Human Benchmark

摘要： **发表时间：**2020（ICML） **文章要点：**这篇文章提出Agent57算法，是第一个在所有57个Atari游戏上超过人类表现的算法。主要的思路就是基于Never Give Up (NGU)和R2D2((RECURRENT EXPERIENCE REPLAY IN DISTRIBUTED 阅读全文

posted @ 2022-05-02 23:08 initial_h 阅读(443) 评论(0) 推荐(0) 编辑

2022年4月29日

Efficient Deep Reinforcement Learning via Adaptive Policy Transfer

摘要： **发表时间：**2020（IJCAI 2020） **文章要点：**这篇文章提出Policy Transfer Framework (PTF)算法来做policy transfer。主要思路就是自动去学什么时候用哪一个source policy用来作为target policy的学习目标，以及什么阅读全文

posted @ 2022-04-29 23:23 initial_h 阅读(176) 评论(0) 推荐(0) 编辑

2022年4月27日

Think Too Fast Nor Too Slow: The Computational Trade-off Between Planning And Reinforcement Learning

摘要： **发表时间：**2020（ICAPS: PRL 2020） **文章要点：**这篇文章主要探究planning和learning的算力的trade-off，得出的结论是既不能planning太多，也不能planning太少。具体的，作者先指出了一类叫multi-step approximate 阅读全文

posted @ 2022-04-27 23:44 initial_h 阅读(45) 评论(0) 推荐(0) 编辑

Application of MCTS in Atari Black-box Planning

摘要： **发表时间：**2018（ICAPS 2018 workshop Heuristics and Search for Domain-independent Planning (HSDIP)） **文章要点：**这篇文章主要就是做实验看了看几种tree search方法在Atari上的效果如何，里面阅读全文

posted @ 2022-04-27 23:40 initial_h 阅读(39) 评论(0) 推荐(0) 编辑

Deep Learning for Real-Time Atari Game Play Using Offline Monte-Carlo Tree Search Planning

摘要： **发表时间：**2014（NIPS 2014） **文章要点：**这篇文章主要是测试了Monte-Carlo Tree Search在Atari上的效果，不过并不是结合强化做的，而是先用tree search收集样本，再用神经网络拟合数据训成一个Q网络或者policy网络。得出的结论是比DQN效果阅读全文

posted @ 2022-04-27 23:34 initial_h 阅读(124) 评论(0) 推荐(0) 编辑

https://github.com/initial-h

公告