Назад к Glossary
Инженерия вознаграждения
Процесс проектирования скалярной функции вознаграждения, которая кодирует желаемое поведение робота для обучения с подкреплением. Хорошая инженерия вознаграждения обеспечивает плотную обратную связь, которая направляет обучение без введения непредвиденных ярлыков. Распространённые ошибки: взлом вознаграждения (оптимизация прокси вознаграждения вместо предполагаемого поведения) и разреженные вознаграждения (сигнал обучения слишком редкий).