HRL — 分层强化学习

事实

把长期任务拆成层级策略来学习的强化学习方法。

人话

HRL像拍电影分工：导演管全片，场记拆镜头，演员一场场演。

用于机器人和游戏长任务，减少探索成本，复用子策略。

相关概念

• Reinforcement Learning｜强化学习
• 选项框架
• Markov Decision Process（马尔可夫决策过程）
• 长程任务

RL
HRL 是强化学习处理长任务的一种分层思路。

Options Framework
Options Framework 为 HRL 定义可复用子策略。

MDP
HRL 通常仍在 MDP 框架下描述状态与奖励。

Long-horizon
HRL 用层级拆解缓解长程任务难探索。