​NIPS 2018 | Spotlight论文：凭借幻想的目标进行视觉强化学习

选自bair.Berkeley作者：Vitchyr Pong、 Ashvin Nai机器之心编译参与：乾树、王淑婷为了让智能体在测试时自动实现用户指定的广泛目标，它必须能够学习广泛适用的通用技能。此外，为了提供必要的通用性，这些技能必须处理原始的传感输入，如图像。在本文中，作者提出了一种算法，通过结合无监督表征学习和目标条件策略的强化学习来获得这种通用技能。我们想构建一个能够在复杂的非结构化环境中完成任意目标的智能体，例如可以做家务的机器人。一种有前景的方法是使用深度强化学习，这是一种用于教授智能体最大化奖励函数的强大框架。然而，典型的强化学习范例一般需要手动设计奖励函数来训练智能体解决独立任务。例如，你可以通过设计奖励函数来训练机器 ………………………………