11:34
官方账号arXiv cs.LG@Kshitij Kumar Srivastava, Kshitij Jerath
推荐理由：这篇论文给HRL的高层智能体装上了'风险雷达'，用粗动力学的不确定性来选子目标，比传统方法更稳更准，值得做强化学习的看看。
HRL
共 1 条相关 AI 资讯
7月22日
11:34
该论文提出S3方法，在分层强化学习（HRL）中引入基于粗粒度动力学（Coarse Dynamics）的内在动机，以稳定高层智能体的子目标选择。通过最小化由混合密度网络（MDN）建模的预测不确定性，该方法在长时域非平稳环境中引导高层策略。实验表明，这种稠密的内在奖励机制使子目标选择更倾向于风险规避，并在多个基准任务上超越现有SOTA HRL方法（如HIRO、HAC）。