我们可以使用 DDPG 来训练代理堆叠对象。堆叠对象可以被视为先抓取，然后是拾取和放置。在这种情况下，元强化学习如何适应？这是否意味着我可以将抓握、拾取和放置作为训练任务并推广到组装对象？
强化学习环境中的元学习到底是什么意思？
人工智能
强化学习
定义
元学习
2021-11-01 00:10:51
1个回答
元学习可能意味着很多事情，但其核心是在解决任务所需的通常优化之外进行第二层优化。
例如，在机器人的 RL 中，您可能有一个 SAC（Soft Actor Critic）代理来学习如何拾取和放置，首先初始化一个随机神经网络，然后学习哪些权重最小化与成功拾取相关的损失函数。鉴于这种架构，您可以修复一个元目标，例如在挑选时精确（基本目标）和快速（元目标）。或者最大限度地提高人类安全，最大限度地减少机器人磨损，等等。
现在你可以元学习最好的元参数来实现这个元目标。元参数的示例可以是网络初始化、损失函数的形状、网络架构等。
查看神经网络中的元学习：调查 https://arxiv.org/abs/2004.05439