OpenAI 研究：通过元强化学习学习探索

OpenAI 推出了两种新的元强化学习算法，E-MAML 和 E-RL²，提升了智能体在探索对成功至关重要的环境中的探索能力。这些算法使智能体能够在各种任务中更有效地学习如何进行探索。

用于探索的新元强化学习算法

E-MAML 和 E-RL² 专门用于解决元强化学习框架中的探索问题。虽然标准强化学习常常在稀疏奖励或复杂状态空间中表现不佳，但这些元学习方法旨在优化探索策略本身，使智能体能够通过利用先前经验更快地适应新任务。

评估环境

为了测试这些算法的有效性，研究人员使用了两类主要环境：

• Krazy World：专为本研究开发的全新环境，用于挑战智能体的探索能力。
• Maze Environments：一组标准迷宫任务，用于基准测试智能体的导航和发现目标的能力。

关键发现与性能

实验结果表明，在探索为主要需求的任务中，E-MAML 和 E-RL² 相较于基线方法表现更佳。通过学习元探索策略，这些智能体能够更高效地定位奖励并解决任务，即使在传统强化学习智能体难以导航的环境中亦能如此。