通过整合代理运动和优化预测目标来生成空间嵌入

摘要

用于训练配置为处理表征与环境互动的代理的运动的数据以生成空间嵌入的空间嵌入神经网络的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。在一个方面上，该方法包括：使用空间嵌入神经网络处理表征在当前时间步长中的代理在环境中的运动的数据，以生成当前时间步长的当前空间嵌入；确定外部存储器中的多个槽位中的每一个的预测评分和目标评分，其中，每个槽位存储：(i)表征环境状态的观察的表示和(ii)空间嵌入；以及，基于预测评分和目标评分之间的误差，确定对一组空间嵌入神经网络参数的值的更新。