Un mémoire de l’Université de Manchester présente Visual Causal-chain Bookmarking (VCBM), une méthode qui aide les agents d’apprentissage par renforcement à déterminer quelles actions ont conduit à des récompenses différées. Dans une simulation de réparation de montres, la méthode a atteint 95.07% de décisions correctes en moyenne après 1,532.3 épisodes sur 20 essais, contre 3,327.1 épisodes pour la méthode de référence RUDDER. Dans AppWorld, l’entraînement combinant VCBM a fait passer le taux de réussite aux tâches de 0.354 à 0.458. Toutefois, cette comparaison ne reposait que sur un essai par méthode et ne constitue donc pas une confirmation statistique.
Pourquoi c'est important
Pour les chercheurs qui entraînent des agents à accomplir des tâches assorties de récompenses différées, VCBM offre une méthode éprouvée pour mettre l’accent sur les décisions déterminantes. Il faudra toutefois davantage d’essais pour établir la fiabilité du résultat obtenu dans AppWorld.
