持续学习系统从以前看到的任务中迁移知识,以最大限度地提高新任务的性能的能力,是该领域的一个重大挑战,限制了持续学习解决方案对现实场景的适用性。因此,本研究旨在拓展我们对持续强化学习中迁移及其驱动力的理解。我们采用SAC作为底层RL算法,连续世界作为一组连续控制任务。我们系统地研究了SAC的不同组成部分(参与者和批评者、探索和数据)如何影响传输效果,并提供了关于各种建模选项的建议。最好的一组选择被称为ClonEx-SAC,是根据最近的Continual World基准进行评估的。ClonEx-SAC的最终成功率为87%,而PackNet的成功率为80%,是基准测试中最好的方法。此外,根据Continual World提供的度量,转移从0.18增长到0.54。
https://www.zhuanzhi.ai/paper/99cc5ece0419e33748b0af9d2cd8fdff
专知便捷查看
便捷下载,请关注专知公众号(点击上方蓝色专知关注)
后台回复“CDRL” 就可以获取《【NeurIPS2022】持续强化学习中的解纠缠迁移》专知下载链接