用于训练强化学习系统的方法、系统和装置,包括编码在计算机存储介质上的计算机程序。在一个方面,训练动作选择策略神经网络以用于选择要由导航经过环境以实现一个或多个目标的代理执行的动作的方法包括:接收表征环境的当前状态的观察图像;使用动作选择策略神经网络处理包括观察图像的输入以生成动作选择输出;使用几何预测神经网络处理由动作选择策略神经网络生成的中间输出,以预测当处于当前状态时的环境的几何特征的值;以及将基于几何的辅助损失的梯度反向传播到动作选择策略神经网络中,以确定对于网络参数的当前值的基于几何的辅助更新。
声明:
“使用强化学习的环境导航” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)