本文主要是介绍DRL前沿之：Hierarchical Deep Reinforcement Learning，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1 前言
如果大家已经对DQN有所了解，那么大家就会知道，DeepMind测试的40多款游戏中，有那么几款游戏无论怎么训练，结果都是0的游戏，也就是DQN完全无效的游戏，有什么游戏呢？
比如上图这款游戏，叫做Montezuma’s Revenge。这种游戏类似超级玛丽，难在哪里呢？需要高级的策略。比如图中要拿到钥匙，然后去开门。这对我们而言是通过先验知识得到的。但是很难想象计算机如何仅仅通过图像感知这些内容。感知不到，那么这种游戏也就无从解决。
那么这篇文章：
Hierarchical Deep Reinforcement Learning: Integrating Temporal Abstraction and Intrinsic Motivation
时间：2016年4月20号
来源： arXiv.org
尝试解决这种问题。
2 文章思路
它的思路很简单，就是弄一个两个层级的神经网络，顶层用于决策，确定下一步的目标，底层用于具体行为。
不得不说，这个想法显而易见（本人也想过啦）但是，问题的关键是
如何确定内在的目标？？&
这篇关于DRL前沿之：Hierarchical Deep Reinforcement Learning的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
