论文标题：CURL: Contrastive Unsupervised Representations for ReinforcementLearning（CURL：用于强化学习的对比无监督表示）

论文来源：ICML 2020 论文下载：https://www.zhuanzhi.ai/paper/6fb5994c1f98b326b45fb83ce319f0b9

代码链接：https://github.com/MishaLaskin/curl

摘要：

我们提出CURL:用于强化学习的对比无监督表示法。CURL使用表示学习从原始像素中提取高级特征，并在提取的特征上执行off-policy控制。在DeepMind控制套件和Atari游戏中，CURL在复杂任务中的表现优于之前基于像素的方法，无论是基于模型的还是无模型的，在100K环境和交互步骤的基准测试中，分别获得1.9倍和1.6倍的性能提升。在DeepMind控制套件中，CURL是第一个与使用基于状态特征的方法的采样效率和性能接近的基于图像的算法。