DigiRL
使用自主强化学习训练野外设备控制代理
普通产品编程强化学习自主学习
DigiRL是一个创新的在线强化学习算法,用于训练能够在野外环境中控制设备的智能代理。它通过自主价值评估模型(VLM)来解决开放式的、现实世界中的Android任务。DigiRL的主要优点包括能够利用现有的非最优离线数据集,并通过离线到在线的强化学习来鼓励代理从自身的尝试和错误中学习。该模型使用指令级价值函数来隐式构建自动课程,优先考虑对代理最有价值的任务,并通过步进级价值函数挑选出在轨迹中对目标有贡献的有利动作。