机构名称：
¥ 2.0
摘要 - 课程增强学习（CRL）允许通过生成量身定制的学习任务来解决复杂的任务，从简单开始，随后增加了他们的困难。尽管在各种作品中清楚地显示了RL中课程的潜力，但尚不清楚如何在给定的学习环境中生成它们，从而产生了各种旨在自动化此任务的方法。在这项工作中，我们专注于将课程作为任务分布之间的插值，以前已被证明是CRL的可行方法。识别现有方法的关键问题，我们将课程的生成作为任务分布之间的最佳运输问题的生成。基准表明，这种课程生成的方式可以改善现有的CRL方法，从而在具有不同特征的各种任务中产生高性能。
关于课程最佳运输的好处...
主要关键词
相关文件推荐
