用于訓練強化學習系統的方法、系統和裝置,包括編碼在計算機存儲介質上的計算機程序。在一個方面,訓練動作選擇策略神經網絡以用于選擇要由導航經過環境以實現一個或多個目標的代理執行的動作的方法包括:接收表征環境的當前狀態的觀察圖像;使用動作選擇策略神經網絡處理包括觀察圖像的輸入以生成動作選擇輸出;使用幾何預測神經網絡處理由動作選擇策略神經網絡生成的中間輸出,以預測當處于當前狀態時的環境的幾何特征的值;以及將基于幾何的輔助損失的梯度反向傳播到動作選擇策略神經網絡中,以確定對于網絡參數的當前值的基于幾何的輔助更新。
聲明:
“使用強化學習的環境導航” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)