Option Discovery using Deep Skill Chaining
Option Discovery using Deep Skill Chaining
复制标题
使用深度技能链进行选项发现
DOI：
--
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
G. Konidaris
中科院分区：
文献类型：
--
作者：
Akhil Bagaria;G. Konidaris
自主发现时间上扩展的动作或技能是分层强化学习的长期目标。我们提出了一种新算法，将技能链与深度神经网络相结合，以自主发现高维连续域中的技能。由此产生的算法，深度技能链，构建技能的属性，执行一个使代理执行另一个。我们证明，在具有挑战性的连续控制任务中，深度技能链显着优于非层次代理和其他最先进的技能发现技术。
Autonomously discovering temporally extended actions, or skills, is a longstanding goal of hierarchical reinforcement learning. We propose a new algorithm that combines skill chaining with deep neural networks to autonomously discover skills in high-dimensional, continuous domains. The resulting algorithm, deep skill chaining, constructs skills with the property that executing one enables the agent to execute another. We demonstrate that deep skill chaining significantly outperforms both non-hierarchical agents and other state-of-the-art skill discovery techniques in challenging continuous control tasks.
通过狄利克雷过程混合模型的嵌套联合聚类。
影响因子：
1.2
作者：
Han,Shengtong;Zhang,Hongmei;Sheng,Wenhui;Arshad,Hasan
通讯作者：
Arshad,Hasan
使用技能符号循环构建抽象层次结构。
DOI：
--
发表时间：
2016
期刊：
IJCAI : proceedings of the conference
影响因子：
--
作者：
Konidaris,George
通讯作者：
Konidaris,George