Episodic Curiosity through Reachability阅读笔记
在现实世界中，奖励很稀疏，而今天大多数的强化学习算法都在与这种稀疏性斗争。这个问题的一个解决方案是让智能体自己创造奖励，从而使奖励更加密集，更加适合学习。很多现实世界的任务都有稀疏的奖励，例如：寻找食物的动物可能需要走很多英里而没有来自环境的任何奖励。标准强化学习算法因为依赖简单的行动熵最大化作为探索行为的来源，所以在这些任务中表现挣扎。...
