neng8科技快讯网AI人工智能前沿资讯_汽车数码相机评测_手机电脑硬件百科

中科大提出动作价值表征学习新方法，率先填补长期决策信息的缺失

在视觉强化学习中，许多方法未考虑序列决策过程，导致所学表征缺乏关键的长期信息的空缺被填补上了。

来自中科大的研究人员在信息瓶颈（Information Bottleneck）框架下，提出了一种新颖的鲁棒动作价值表征学习方法ROUSER。

作者从理论上证明了ROUSER能够使用学习到的鲁棒表征准确估计动作价值