学界 | 价值传播网络，在更复杂的动态环境中进行规划的方法

选自arXiv机器之心编译参与：陈韵竹、张倩本文提出了一种基于价值迭代的参数高效差异化规划模块——价值传播网络（Value Propagation Networks），可以通过强化学习进行训练，用来完成未见过的任务。该模块能泛化到更大尺寸的地图中，并学习在动态环境中进行导航。此外，该模块能够在环境包含随机元素时学习进行规划，为各类交互式导航问题提供具有成本效益的学习系统，从而构建低级别、尺寸不变的规划器。1 引言规划是许多领域人工智能体的关键组成部分。然而，经典规划算法的局限性在于，对于每种可能的规划实例，人们都需要知道如何为其搜索最优（或至少合理的）方案。环境动态和状态复杂度的增加给规划的写作人员制造了困难，甚至使其完全不切实际 ………………………………