题目

2019年必读的10篇TOP强化学习论文，My Top 10 Deep RL Papers of 2019

关键字

强化学习，深度学习，论文总结

简介

• 大型项目

  • DeepMind’s AlphaStar (Vinyals et al, 2019)
  • OpenAI’s Solving’ of the Rubik’s Cube (OpenAI, 2019)

• 基于模型的Rl

  • MuZero (Schrittwieser et al., 2019)
  • Dreamer (aka. PlaNet 2.0; Hafner et al., 2019)

• 多代理RL

  • Social Influence as Intrinsic Motivation (Jaques et al., 2019)
  • Autocurricula & Emergent Tool-Use (OpenAI, 2019)

• 学习动力

  • Non-Staggered Meta-Learner’s Dynamics (Rabinowitz, 2019)
  • Ray Interference (Schaul et al., 2019)

• 组成和先验

  • Information Asymmetry in KL-Regularized RL (Galashov et al., 2019)
  • NPMP: Neural Probabilistic Motor Primitives (Merel et al., 2019)

• 总结

  • 总而言之，2019年凸显了Deep RL在以前无法想象的尺寸中的巨大潜力。突出显示的大型项目距离采样效率还差得远。但是，当前寻求有效归纳偏差，先验和基于模型的方法正在解决这些问题。

作者

Robert Tjarko Lange