一个受约束的多目标强化学习框架

【作者团队】Sandy Huang, Abbas Abdolmaleki, Giulia Vezzani 

【论文链接】https://openreview.net/pdf?id=YeJaZBXlhPX

【推荐理由】许多现实世界的问题，尤其是机器人技术，要求强化学习 (RL)智能体学习的策略不仅要使环境回报最大化，还要满足约束条件。本文提出了一个解决此类问题的高级框架，该框架将环境奖励和成本视为单独的目标，并了解策略应该优化哪些目标才能满足约束条件。本文称之为并行学习偏好和策略（LP3）。通过对如何学习偏好以及如何优化给定偏好的策略做出不同的选择，本文可以获得现有的方法（例如，Lagrangian relaxation）并推导出具有更好性能的新方法。其中之一是学习一组满足约束的策略算法，在事先不知道确切的约束时非常有用。