使用目标和观察来选择强化学习动作

摘要

本发明涉及一种用于使用目标和观察的强化学习的方法、系统和装置，包括在计算机存储介质上编码的计算机程序。所述方法中的一个包括接收表征环境的当前状态的观察；接收表征来自环境的目标状态集的目标状态的目标；使用观察神经网络处理观察以生成观察的数字表示；使用目标神经网络处理目标以生成目标的数字表示；组合所观察的数字表示和目标的数字表示以生成组合的表示；使用动作分值神经网络处理组合的表示以为预定的动作集中的每个动作生成相应的分值；以及使用预定的动作集中的动作的相应的分值来选择要执行的动作。