无监督环境设计

强化学习无监督环境设计面临关卡价值评估开销大、方差高的痛点。国防科大等提出PACE算法，用策略参数变化量度量学习进展，精准定位最近发展区。实验显示该算法避开了额外评估开销，并在MiniGrid与Cra...