版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、傳統(tǒng)強(qiáng)化學(xué)習(xí)通常只考慮其外在動(dòng)機(jī),即針對(duì)某一特定的、具體的目標(biāo)任務(wù),設(shè)計(jì)專門的外部獎(jiǎng)勵(lì)信號(hào)用以驅(qū)動(dòng)智能體進(jìn)行行為策略的學(xué)習(xí),以實(shí)現(xiàn)長(zhǎng)期累積獎(jiǎng)勵(lì)的最大化。獎(jiǎng)勵(lì)信號(hào)通常需要系統(tǒng)設(shè)計(jì)者根據(jù)場(chǎng)景和智能體自身的特點(diǎn)進(jìn)行專門設(shè)計(jì)以提高學(xué)習(xí)效率,缺乏設(shè)計(jì)上的通用性和學(xué)習(xí)上的主動(dòng)性。
針對(duì)降低獎(jiǎng)勵(lì)信號(hào)設(shè)計(jì)難度和實(shí)現(xiàn)智能體自主學(xué)習(xí)的需要,本文在對(duì)現(xiàn)有的動(dòng)機(jī)獎(jiǎng)勵(lì)機(jī)制和動(dòng)機(jī)強(qiáng)化學(xué)習(xí)框架進(jìn)行研究的基礎(chǔ)上,借鑒情感心理在人類行為決策中的角色,通過將智能
2、體感知到的狀態(tài)映射為情感維度,提出了一種量化的情感模型作為內(nèi)在動(dòng)機(jī)機(jī)制。內(nèi)在情感動(dòng)機(jī)在外界獎(jiǎng)勵(lì)信號(hào)的基礎(chǔ)上提供附加補(bǔ)充獎(jiǎng)勵(lì),或者單獨(dú)作為獎(jiǎng)勵(lì)來驅(qū)動(dòng)智能體進(jìn)行學(xué)習(xí),從而形成一套閉環(huán)的“感知–評(píng)價(jià)–內(nèi)在情感動(dòng)機(jī)相關(guān)獎(jiǎng)勵(lì)與外界獎(jiǎng)勵(lì)相結(jié)合–強(qiáng)化學(xué)習(xí)–行動(dòng)–感知”基于情感動(dòng)機(jī)的強(qiáng)化學(xué)習(xí)框架。內(nèi)在情感動(dòng)機(jī)與具體的任務(wù)無關(guān),因此具有一定的通用性,其量化模型中,好奇心通過評(píng)價(jià)狀態(tài)和動(dòng)作的新奇程度來控制智能體對(duì)陌生或熟悉環(huán)境的探索偏好;控制欲通過評(píng)價(jià)智能
3、體對(duì)環(huán)境模型的掌控程度來調(diào)節(jié)智能體在“保守”和“冒險(xiǎn)”策略間的權(quán)衡;而幸福指數(shù)則用來判斷當(dāng)前狀態(tài)和動(dòng)作的相對(duì)優(yōu)劣程度,對(duì)外部獎(jiǎng)勵(lì)進(jìn)行微調(diào);三者結(jié)合作為內(nèi)在動(dòng)機(jī)共同實(shí)現(xiàn)對(duì)智能體學(xué)習(xí)和行為偏好的調(diào)整。
在基于情感動(dòng)機(jī)的強(qiáng)化學(xué)習(xí)框架的基礎(chǔ)上,本文對(duì)其在提高傳統(tǒng)強(qiáng)化學(xué)習(xí)中具體任務(wù)學(xué)習(xí)效率方面的應(yīng)用進(jìn)行了仿真驗(yàn)證:一是將內(nèi)在情感動(dòng)機(jī)驅(qū)動(dòng)的學(xué)習(xí)作為具體任務(wù)學(xué)習(xí)的“預(yù)習(xí)階段”,提前學(xué)習(xí)到盡可能準(zhǔn)確的環(huán)境模型供后期具體任務(wù)學(xué)習(xí)時(shí)利用,并緩解傳
4、統(tǒng)強(qiáng)化學(xué)習(xí)中的“探索–利用”兩難問題;二是將內(nèi)在情感動(dòng)機(jī)作為附加獎(jiǎng)勵(lì)與外部獎(jiǎng)勵(lì)融合為一體,以更高效地直接驅(qū)動(dòng)具體任務(wù)的學(xué)習(xí)。通過在開源機(jī)器人軟件開發(fā)框架Robot Operating System(ROS)上搭建貓作為智能體捕捉老鼠的仿真場(chǎng)景、設(shè)計(jì)實(shí)驗(yàn)方案并與單純外部獎(jiǎng)勵(lì)驅(qū)動(dòng)的學(xué)習(xí)進(jìn)行對(duì)比,證明了情感作為內(nèi)在動(dòng)機(jī)在提高具體任務(wù)學(xué)習(xí)效率方面的通用效果以及本文所提情感動(dòng)機(jī)量化方案的合理性。
另外,針對(duì)基于情感動(dòng)機(jī)的強(qiáng)化學(xué)習(xí)在智能體
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于不確定知識(shí)的強(qiáng)化學(xué)習(xí)及其應(yīng)用研究.pdf
- 多Agent強(qiáng)化學(xué)習(xí)及其應(yīng)用研究.pdf
- 分層強(qiáng)化學(xué)習(xí)算法及其應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)方法及其應(yīng)用研究.pdf
- 基于強(qiáng)化學(xué)習(xí)改進(jìn)的模糊神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究.pdf
- qlearning強(qiáng)化學(xué)習(xí)算法改進(jìn)及其應(yīng)用研究
- 強(qiáng)化學(xué)習(xí)及其在倒立擺控制中的應(yīng)用研究.pdf
- Q-learning強(qiáng)化學(xué)習(xí)算法改進(jìn)及其應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)在用戶學(xué)習(xí)中的應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)及其在機(jī)器人系統(tǒng)中的應(yīng)用研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的復(fù)雜裝備工藝參數(shù)低(火用)損設(shè)計(jì)方法及其應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)及其在協(xié)同虛擬環(huán)境導(dǎo)航知識(shí)中的應(yīng)用研究.pdf
- 基于動(dòng)機(jī)模型的學(xué)習(xí)指導(dǎo)設(shè)計(jì)與應(yīng)用研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的蟻群聚類研究及應(yīng)用.pdf
- 多智能體強(qiáng)化學(xué)習(xí)及其在機(jī)器人足球中的應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)及其在城市交通信號(hào)控制中的應(yīng)用研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的自主移動(dòng)機(jī)器人導(dǎo)航研究.pdf
- Q_learning強(qiáng)化學(xué)習(xí)算法的改進(jìn)及應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)在個(gè)性化信息Agent的應(yīng)用研究.pdf
- 關(guān)系強(qiáng)化學(xué)習(xí)的研究與應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論