Machine learningDeep learning / NLP / CV
자기 지도 강화 학습
자기 지도 강화 학습(SSL-RL)은 에이전트 자신의 경험에 적용되는 대조적(contrastive), 예측적(predictive) 또는 데이터 증강 기반 태스크와 같은 자기 지도 보조 목표를 통해 표준 강화 학습 훈련을 강화합니다. 이러한 목표는 추가적인 사람의 레이블 없이 학습된 표현의 품질을 향상시켜, 특히 원본 픽셀과 같은 고차원 관측 공간에서 더 빠른 수렴과 더 나은 샘플 효율성을 가능하게 합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Laskin, M., Srinivas, A., & Abbeel, P. (2020). CURL: Contrastive Unsupervised Representations for Reinforcement Learning. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 5639–5650. link ↗
- Laskin, M., Lee, K., Stooke, A., Pinto, L., Abbeel, P., & Srinivas, A. (2021). Reinforcement Learning with Augmented Data. Advances in Neural Information Processing Systems (NeurIPS), 33, 19884–19895. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Self-supervised Reinforcement Learning (SSL-augmented RL). ScholarGate. https://scholargate.app/ko/deep-learning/self-supervised-reinforcement-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →