基于元生成内在奖励的机器人操作技能学习方法

针对稀疏奖励下，复杂任务学习效率低的问题，在离线策略(off-policy)强化学习思想基础上，提出了元生成内在奖励算法(meta generative intrinsic reward, MGIR),并将其应用在机器人操作技能学习问题求解方面。具体步骤为先使用一个可将复杂任务分解为多个子任务的元生成内在奖励框架，对子任务进行能力评价；再引入生成内在奖励模块，将智能体探索得到状态的新颖性作为内在奖励，并联合环境奖励共同指导智能体完成对环境的探索和特定任务的学习；最后，在MuJoCo仿真环境Fetch中对离线策略强化学习进行对比实验。实验结果表明，无论是在训练效率还是在成功率方面，提出的元生成内在奖励算法均表现较好。