【剑桥大学博士论文】深度记忆模型与部分可观察下的高效强化学习

文章预览

强化学习是一种优化决策的框架，考虑到行动的长期后果。 强化学习的深度变种已成为在复杂环境中进行决策的强大工具。以往的工作已经在复杂游戏如围棋和Atari中取得了突破，甚至超越了地球上一些最优秀的人类选手。然而，这些令人印象深刻的成就通常局限于游戏或仿真环境。那么，是什么阻碍它们进入现实世界呢？在本文中，我们解决了一个主要的瓶颈：有限和不完美的感官信息。 在许多现实任务中，感官信息往往是噪声或不完整的，这打破了强化学习的核心假设。解决这一挑战的方案实际上是众所周知的——即使用记忆。记忆是感官信息的存储与回忆，用于决策过程，这类似于人类和许多其他生物体内记忆的功能。记忆使得这些生物体能够建立并更新世界的内部表征，做出合理的猜测，并在不确定性面前取得成功。然而，尚不清楚的是 ………………………………