arXiv 发布最大熵探索新方法论文

Adrien Bolland 等作者在 arXiv 发布论文，提出一种以未来时间步状态-动作特征折扣分布熵为内在奖励的最大熵探索方法。论文证明该内在奖励的期望总和是初始状态轨迹特征折扣分布熵的下界，且该分布是某收缩算子的不动点，可离策略估计。 实验显示，新目标常改善单条轨迹内的特征访问，但以略微降低跨轨迹期望访问为代价，并加快纯探索智能体的收敛速度，多数基准上控制性能相近。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。