CML 是 International Conference on Machine Learning的缩写，即国际机器学习大会。ICML如今已发展为由国际机器学习学会（IMLS）主办的年度机器学习国际顶级会议。其中强化学习便是该会议很重要的一个话题，每年都有非常多的投稿。本文整理了David Abel总结的ICML2018、2019两年的深度强化学习笔记，详看正文。
1
ICML-2019-RL-Note
作者整理简介：我在本次会议的RL分场上度过了大部分时间（可惜错过了所有主题演讲), 所以我的大部分反思（和笔记）都集中在RL：
- 关于非策略评估和非策略学习的大量工作（例如，参见Hanna 等人[35]，Le等人[49]，Fujimoto等人[26]，Gottesman等人的工作）等[32]
- 探索再次成为一个热门话题（参见Mavrin等人[57]，Fatemi等人[25]，Hazan等人[37]，Shani等人[76]的工作）。除了策略评估（以及其他一些评估），这也是RL中的基本问题之一。
- 一些非常好的工作继续澄清分布式RL [10]（参见[74，57，67]的工作）。
- 作者认为我们需要标准化RL中的评估。并不是说我们只需要一个单一的方法或一个域，而是目前评估协议中有太多差异。
元学习&元强化学习
元学习算法通用方法
- Choose a form of Pr(φi | Dtrain i , θ).
- Choose how to optimize θ with respect to max-likelihood objective using Dmeta-train.
为什么元强化学习有用？
几乎所有问题都与现有方法的样本效率低下有关。将TRPO应用于真正的机器人时，机器人需要花费数天或数周的时间才能开始取得任何进展（学习步行）。
通常情况下，智能体的目标是学习一个策略最大化累计期望奖励。
而且，RL目标的元学习问题是学习
，因此，元RL问题如下：
其优化过程如下：
当然元学习有它的优势，也有对应的挑战。
挑战1：超量配置：元学习需要任务分配，一些元学习方法可能会过度适合这些任务分配。
挑战2：任务设计：通常必须手动选择这些任务分配，或者它们的多样性不足以鼓励正确的行为。很难以正确的方式选择任务分配！
挑战3：了解哪种算法过度拟合：许多不同的方法（黑盒，基于优化的非参数方法），但是我们不知道哪种算法最容易遭受元过度拟合。
图强化学习
图模型最近在深度学习中特别的人们，然而在强化学习中也是独领风骚：TibGM: A Graphical Model Approach for RL
还有包括分布式强化学习，理论等相关内容，详见文末PDF2019
2
ICML-2018-RL-Note
Github查看(欢迎star仓库):
https://github.com/NeuronDance/DeepRL/tree/master/DRL-ConferencePaper/ICML/Source
