机构名称：
¥ 1.0
抽象的内在学习是离线加固学习（RL）来处理内线任务的一种有前途的方法，可以通过提供任务提示来实现。最近的著作表明，当将RL任务视为跨散点的顺序预测概率时，In-Actest RL可能会以反复试验的方式进行自我完善。尽管自我改善不需要梯度更新，但是当跨情节序列随着任务范围而增加时，当前的作品仍处于高计算成本。为此，我们提出了一个内在的决策变压器（IDT），以高级反复试验的方式实现自我完善。特定于IDT的灵感来自人类决策的有效层次结构，因此将序列重新构造为由高级决策组成，而不是与环境相互作用的低级动作。作为一个高级决策可以指导多步骤的低级动作，IDT自然会避免过度长序列并更有效地解决在线任务。实验结果表明，IDT超过了当前的内在RL方法，可以实现长胜压任务的最新任务。尤其是，我们的IDT的在线评估时间比D4RL基准中的基线快36倍，而在网格世界基准中，我们的IDT时间比基准的速度快27倍。
通过层次结构链进行加强学习
主要关键词
相关文件推荐
