OpenAI 研究：透過元強化學習學習探索

OpenAI 推出了兩種全新的元強化學習演算法 E-MAML 與 E-RL²，提升了代理人在探索對成功至關重要的環境中的探索能力。這些演算法使代理人能在各種任務中學習更有效的探索方式。

用於探索的新元強化學習演算法

E-MAML 與 E-RL² 專門設計來解決元強化學習框架中的探索問題。雖然標準強化學習常因稀疏獎勵或複雜的狀態空間而受限，這些元學習方法旨在優化探索策略本身，使代理人能透過先前的經驗更快速地適應新任務。

評估環境

To test the efficacy of these algorithms, the researchers utilized two primary types of environments:

• Krazy World：專為本研究開發的全新環境，用以挑戰代理人的探索能力。
• Maze Environments：一組標準迷宮任務，用於評估代理人導航與發現目標的能力。

主要發現與效能

實驗結果顯示，E-MAML 與 E-RL² 在以探索為主要需求的任務中，較基線方法展現出更優異的效能。透過學習探索的元策略，這些代理人能更有效率地找到獎勵並解決任務，即使在傳統強化學習代理人難以導航的環境中亦能如願以償。