【ECML-PKDD 2019】面向人类可读策略的强化学习（Towards Reinforcement Learning of Human Readable Policies）

题目： Towards Reinforcement Learning of Human Readable Policies

摘要：

强化学习(RL)已经证明了它通过利用非线性函数逼近器来解决高维任务的能力。然而，这种成功主要局限于模拟领域在将RL部署到现实世界时，可能会引起对使用“黑盒”策略的几个关注。为了使RL更易于解释，我们在本文中提出了一种策略迭代方案，该方案保留了一个复杂的函数逼近器来进行内部值预测，但限制了策略具有简单的、人类可读的结构。我们证明了我们提出的算法可以解决连续动作的深度RL基准和返回策略，这些都可以被一个非专业人员完全可视化和解释。

邀请嘉宾：

Riad Akrour是智能自主系统组的研究科学家，致力于分层强化和反向强化学习。Riad Akrour于2015年4月加入智能自主系统组实验室，2014年10月在巴黎第11大学(法国奥赛)获得计算机科学博士学位。在获得博士学位之前，他获得了阿尔及利亚阿尔及尔高等信息学院(Ecole Nationale Superieure d'Informatique)的计算机工程学位，以及法国巴黎居里大学(Universite Pierre et Marie Curie)的人工智能与决策硕士学位。研究兴趣是强化学习和逆强化学习，持续优化，基于偏好的强化学习，机器人。

Davide Tateo是研究机器人和强化学习的智能自主系统小组的博士后研究员。Davide在2019年2月从米兰理工大学获得信息技术博士学位后，于2019年4月加入实验室。他目前正在SKILLS4ROBOTS项目中工作，该项目的目标是开发能够获得和提高一系列丰富的运动技能的类人机器人。