潛在空間中深度強(qiáng)化學(xué)習(xí)方法研究綜述

摘要： 深度強(qiáng)化學(xué)習(xí)（DRL）是實(shí)現(xiàn)通用人工智能的一種有效學(xué)習(xí)范式，已在一系列實(shí)際應(yīng)用中取得了顯著成果。然而，DRL存在泛化性能差、樣本效率低等問題?；谏疃壬窠?jīng)網(wǎng)絡(luò)的表示學(xué)習(xí)通過(guò)學(xué)習(xí)環(huán)境的底層結(jié)構(gòu)，能夠有效緩解上述問題。因此，基于潛在空間的深度強(qiáng)化學(xué)習(xí)成為該領(lǐng)域的主流方法。系統(tǒng)地綜述了基于潛在空間的表示學(xué)習(xí)在深度強(qiáng)化學(xué)習(xí)中的研究進(jìn)展，分析并總結(jié)了現(xiàn)有基于潛在空間的深度強(qiáng)化學(xué)習(xí)的方法，...