标签：based goal 样本 step Learning Forward model Backward

发表时间：2018
文章要点：这篇文章提出了Forward-Backward Reinforcement Learning (FBRL)算法，在假设reward function和goal已知的情况下，将model free的forward step和model based的backward step结合起来，提升训练效果。
具体的，训练一个反向模型，用\(s_{t+1},a_t\)预测\(s_t\)，具体做法是去预测两个状态的差值

然后状态预测表示为

Loss用的Huber loss。有了model之后，结合DDQN算法，model free收集真实环境的forward step样本，model based收集model输出的backward step的样本，然后一起训练RL。
总结：思路主要是做data augmentation，然后不同点在于model based的用法，从goal出发来增加样本，而不是从starting point开始，对于稀疏回报场景下会比较好。不过文章也说了，刚开始model不准确，那些goal出发的样本不准确。不过文章也说了，这也许可能某种程度上增加探索，这点其实不是很make sense。
疑问：无。

标签：based,goal,样本,step,Learning,Forward,model,Backward
来源： https://www.cnblogs.com/initial-h/p/16095688.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。