“问渠那得清如许,为有源头活水来”,通过前沿领域知识的学习,从其他研究领域得到启发,对研究问题的本质有更清晰的认识和理解,是自我提高的不竭源泉。为此,我们特别精选论文阅读笔记,开辟“源头活水”专栏,帮助你广泛而深入的阅读科研文献,敬请关注。
地址:https://www.zhihu.com/people/liu-lan-25-44
论文题目: Transfer in Deep Reinforcement Learning Using Successor Features and Generalised Policy Improvement. 论文链接: http://proceedings.mlr.press/v80/barreto18a/barreto18a.pdf 01
本文是NeurIPS 17那篇“Successor Features for Transfer in Reinforcement Learning”的2.0版本。本文的背景和算法基础和NeurIPS 17那篇基本上差不多,只是在误差边界和具体操作上有了进一步的改进。本文的贡献主要有两点:1)上一篇对MDP有一定的限制,而本文放松了对该条件的限制;2)本文直接将reward函数本身作为特征,从而不需要手工设计 函数。 02
其中 是 的特征函数(注意,这里的 不是successor features), 是权重。 函数描述的是环境本身动态特性,是假设保持不变的,那么不同的任务就由 来表征。有了这个基础,基于 的不同MDP集合可由
来表示,其中每个 表示一个特定的任务。基于以上的表示方法,Q函数可以写成:
上式中的 即为successor features (SFs),后继特征。 正如我上一篇 关于NeurIPS 17论文讨论的一样,这里一个关键的问题是 特征函数怎么设计。单凭经验去手工设计,或者另基于一个假设从数据中学习都是不太靠谱的办法,总会带来新的问题。为了解决这个问题,同时能够让深度学习技术来实现SFs&GPI学习,作者在本篇论文中做了进一步的改进。 作者的介绍分为两步:首先将MDP从 放宽到所有的 ;其次将reward函数本身当做特征,从而避免设计 函数。 从论文的写作顺序来看,这样介绍比较顺其自然。但是我个人以为,作者的思路很可能是反过来的。首先,他们想要摆脱求解 函数这个麻烦事,于是想到要用reward函数直接来代替 ,这样会特别省事;其次,用reward函数代替特征,则原先推导的定理2可以进一步推广,得到本文提出所谓的Proposition 1。 03
在NeurIPS 17那篇文章中,作者将 的求解看成一个多任务学习问题,用 个任务的数据通过回归来拟合 。作者称这 个任务称为“基任务”,用 来表示。回归问题可表示为:
关于(4)式的求解,就是一个最小二乘问题,可以得到一个最优解:
其中, 是由这些 组成的矩阵, 是由 组成的向量。从(9)式中可以发现,原来 函数可由 线性表示,那接下来一个很自然的想法就是直接使用 作为 函数,剩下的部分都算在 上面,即
这里的 。如果直接利用reward函数本身作为 函数,则剩下的部分只需要做两件事就行了,第一是学习 ,第二是学习SFs。 04
既然用reward函数来代替 函数,作者得到了一个更一般的结论,也就是本文中所提出的Proposition 1: 命题1. 令 , 为 中的最优策略 在 中执行时的Q值函数。给定 个Q函数拟合结果 ,使得 , 都成立,设
其中, 是 的最优Q值函数, 则是 中策略 的Q值函数。 是 范数。 05
有了以上 个“基任务”的学习,就会得到两个关键的特征: 和 。当有一个新任务 ,首先根据(1)式和环境交互数据拟合出 。然后利用 和 得到 在不同源策略下的Q函数,并通过GPI得到最优策略。算法流程大概如下图所示: 06
本文是将SFs & GPI 的迁移强化学习框架从两方面进行了推广。首先,将收敛性的理论保证推广到环境中的任何两个reward函数不同的任务中,放宽了reward函数必须由一组features线性组合的假设;其次,直接将一组基本任务的reward函数作为feature的组成部分,从而不需要另外去设计 函数。最后,作者使用深度学习技术来实现算法中的函数拟合问题。 我认为这篇论文最值得借鉴的地方是“基任务”(base tasks)的思想。只要找到一个任务空间的基任务,则任务空间中的其它任务通过线性组合就能得到,甚至不在该任务空间的任务,也可以很好地通过最小二乘来逼近。但是关键的问题在于,如何寻找一组合适的“基任务”来实现一般任务的描述?有没有一个更一般的方法,只要给出了一个环境的状态空间、动作空间和状态转移函数,我就能找到这个环境的一组“基任务”?这些问题在这篇文章中没有讨论,作者凭经验设计了4个“基任务”,得出了较好的结果,但是4个够不够,多不多?这些问题都还有待研究。 本文目的在于学术交流,并不代表本公众号赞同其观点或对其内容真实性负责,版权归原作者所有,如有侵权请告知删除。
“源头活水”历史文章
更多源头活水专栏文章, 请点击文章底部“阅读原文 ”查看
分享、在看,给个三连击呗!