技术
Reward Shaping（奖励塑形）
奖励塑形（Reward Shaping）是一种强化学习技术，通过设计额外的辅助奖励信号来引导智能体更快学习目标行为，解决稀疏奖励环境下学习效率低的问题，典型应用于机器人控制、游戏AI和自动驾驶，代表工作包括Ng等人提出的基于势能的奖励塑形理论。
详细解释
在强化学习中，稀疏奖励导致智能体难以获得有效反馈。奖励塑形通过添加与状态相关的塑形奖励来提供中间引导，同时保持最优策略不变。Ng等人证明，基于势能函数的塑形奖励不会改变最优策略，这为安全塑形提供了理论保证。常见方法包括手动设计、逆强化学习和元学习。该技术能加速收敛，但设计不当可能导致奖励黑客或次优行为，需谨慎平衡。
别名与相关写法
reward shaping