超越状态到达：用于内在动机选项发现的学习抽象

新研究提出一种强化学习选项发现算法，通过为每个子目标识别少量相关特征子集，解决了传统全状态可达方法引发的选项数量爆炸与探索受阻问题。该方法能够学习具备广泛泛化与迁移能力的抽象选项（options），在包含 Atari 游戏 MontezumasRevenge 在内的 3 个基于图像的稀疏奖励领域中实现了快速探索。