Towards Resolving Unidentifiability in Inverse Reinforcement Learning

钢筋 强化学习 反向 计算机科学 人工智能 心理学 语言学 哲学 社会心理学
作者
Kareem Amin,Satinder Singh
出处
期刊:Cornell University - arXiv 被引量:17
标识
DOI:10.48550/arxiv.1601.06569
摘要

We consider a setting for Inverse Reinforcement Learning (IRL) where the learner is extended with the ability to actively select multiple environments, observing an agent's behavior on each environment. We first demonstrate that if the learner can experiment with any transition dynamics on some fixed set of states and actions, then there exists an algorithm that reconstructs the agent's reward function to the fullest extent theoretically possible, and that requires only a small (logarithmic) number of experiments. We contrast this result to what is known about IRL in single fixed environments, namely that the true reward function is fundamentally unidentifiable. We then extend this setting to the more realistic case where the learner may not select any transition dynamic, but rather is restricted to some fixed set of environments that it may try. We connect the problem of maximizing the information derived from experiments to submodular function maximization and demonstrate that a greedy algorithm is near optimal (up to logarithmic factors). Finally, we empirically validate our algorithm on an environment inspired by behavioral psychology.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
jdjf发布了新的文献求助10
刚刚
刚刚
dddd发布了新的文献求助10
1秒前
地三鲜完成签到,获得积分10
2秒前
2秒前
aurora发布了新的文献求助10
2秒前
Aurora完成签到,获得积分10
3秒前
4秒前
打打应助dddd采纳,获得10
4秒前
鸭梨完成签到,获得积分20
4秒前
打打应助丑丑阿采纳,获得10
6秒前
Hello应助123采纳,获得10
6秒前
柏林发布了新的文献求助10
8秒前
olivia完成签到 ,获得积分10
8秒前
Hhhhh发布了新的文献求助10
9秒前
羊羊羊完成签到 ,获得积分10
10秒前
ghost发布了新的文献求助10
11秒前
11秒前
haikuotian发布了新的文献求助10
13秒前
13秒前
情怀应助科研通管家采纳,获得10
14秒前
斯文败类应助科研通管家采纳,获得10
14秒前
SciGPT应助科研通管家采纳,获得10
15秒前
李健应助起名字好难采纳,获得10
15秒前
镜子应助科研通管家采纳,获得10
15秒前
慕青应助科研通管家采纳,获得10
15秒前
领导范儿应助科研通管家采纳,获得10
15秒前
上官若男应助科研通管家采纳,获得10
15秒前
ding应助Hhhhh采纳,获得10
15秒前
赘婿应助科研通管家采纳,获得10
15秒前
天天快乐应助DW采纳,获得10
15秒前
JamesPei应助科研通管家采纳,获得10
15秒前
科目三应助科研通管家采纳,获得10
15秒前
16秒前
ding应助科研通管家采纳,获得10
16秒前
汉堡包应助科研通管家采纳,获得10
16秒前
田様应助科研通管家采纳,获得10
16秒前
无花果应助科研通管家采纳,获得10
16秒前
丘比特应助科研通管家采纳,获得10
16秒前
我是老大应助科研通管家采纳,获得10
16秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3161454
求助须知:如何正确求助?哪些是违规求助? 2812813
关于积分的说明 7897283
捐赠科研通 2471758
什么是DOI,文献DOI怎么找? 1316122
科研通“疑难数据库(出版商)”最低求助积分说明 631180
版权声明 602112