谷歌重磅开源RL智能体Dreamer，仅靠图像学习从机器人到Atari的控制策略，样本效率暴增20倍

文章预览

还记得曾经 MBRL 的 SOTA——PlaNet 吗？谷歌最近又出了一个它的改进版（已被 ICLR 2020 接收） 智能体如何选择动作来实现其目标，这方面的研究已经取得了快速的进展，这在很大程度上归功于强化学习（RL）的使用。用于强化学习的无模型方法通过试错来学习预测成功的动作，这类方法使得 DeepMind 的 DQN 算法能够玩雅达利游戏，AlphaStar 在星际争霸 II 中击败世界冠军，但其需要大量的环境交互，由此限制了它们在真实世界场景中的应用。 与无模型 RL 方法不同，基于模型的 RL 方法需要额外地学习环境的简化模型。这类模型让智能体能够预测潜在动作序列的结果，在假想场景中进行训练，从而在新情境中做出明智的决策，最终减少实现目标所必需的试错次数。 ………………………………