从随机探索中学习规划

该研究提出一种通过无监督随机探索学习长程规划的方法，无需动作、奖励标签或策略改进训练即可构建多尺度认知地图。该方法利用条件能量模型和噪声对比估计学习不同时间跨度下的时间关系，并在测试时结合局部动力学模型评估候选动作与实时重规划。实验在基于状态和图像的长程迷宫规划、第一人称视角导航及次优数据的操控规划中验证了有效性。