ChronoSRL — критик с временной геометрией для самообучающегося обучения с подкреплением (arXiv v1)
ChronoSRL — метод самообучающегося RL, который обучает эмбеддинги критика так, чтобы расстояния соответствовали времени достижения цели: достигнутые цели кодируются на расстоянии, равном времени пути, недостигнутые или чужие траектории отталкиваются за дисконтный горизонт. Метод также предсказывает распределение времен достижения и время пребывания около цели, а политика предпочитает действия, которые достигают цели быстрее и надёжнее; ChronoSRL превосходит контрастивные методы и survival-RL на семи бенчмарках локомоции и навигации и в задачах сим-то-риал для квадрупеда (поддержание скорости, достижение позиций, лазание по ящикам).