ICML2018强化学习部分总结（1）

最近由于个人比较忙的原因，文章更新速度有点慢，还望大家谅解！今天主要分享一下前沿动态，不更新算法讲解！

人工智能的发展方向，基本可以从每年顶会(ICML, NPIS, CVPR)上可以看出，今年ICML于７月10号在著名的瑞典斯德哥尔摩举行，说起斯德哥尔摩，唯一能让我想起的就是＂斯德哥尔摩综合征＂，自行google. 下面进入主题．

本文是根据David Abel 的笔进行整理，原英文见文末引用, ICML中关于ＲＬ的内容在第2,3,4,6天，

（１）基于模型的RL救援(Model-Based RL To The Rescue)

主要思路：收集一些模拟数据，应该有

一个想法是通过监督学习来适应动态：

然后，解决近似问题，与LQR相同，但使用φ作为模型。

这里的难点是我们解决的控制问题是什么？ 我们知道我们的模型并不完美。 从而

我们需要像Robust Control / Coarse-ID控制这样的东西。

在Coarse-ID控制中：

• 解决受的影响，B未知。

• 然后，收集数据：

• 估计B：

• 估计

然后，我们可以将其转换为强大的优化问题：

受x = Bu + x0的影响。 然后我们可以通过三角不等式将其放宽到一个凸问题：

受同样的约束。 他们展示了如何将估计误差转换为LQR系统中的控制误差 - 有点像来自Yields基于稳健模型的控制的模拟引理：显示了一些实验结果，一直很好（肯定比无模型更好）。

回归线性化原则：现在，当我们消除线性时会发生什么？（QR？）。 他们尝试在MuJocoo上运行随机搜索算法，并发现它做得更好（或至少同样好）的自然灰度法和TRPO。 Bens'提出的前进方向：使用模型。 特别是模型预测控制（MPC）：

想法：计划在短时间内，获得反馈，重新计划。

结论和剩下要做的事情：

• 粗ID结果是否最佳？ 甚至w.r.t. 问题参数？

• 我们能否针对各种控制问题获得紧张和较低的样本复杂性？

• 自适应和迭代学习控制

• 非线性模型，约束和不正确的学习。

• 安全探索，了解不确定的环境。

所以，有很多令人兴奋的事情要做！ 而且不只是RL而不仅仅是控制理论。 也许我们需要一个更具包容性的新名称，如“Actionable Intelligence”。 所以，得出结论：

本部分完，

这是原作者英文版，地址：https://pan.baidu.com/s/1R8LtR262FKoHOSrXTj4f2Q，密码：jz9z

顺便问一下，谁知道公众号怎么输入公式，不能输入公式太烦了，麻烦请私信！