稀疏奖励 Sparse Reward
指大多数情况action没有reward的游戏。

Reward Shaping

developer自己设计一些reward来引导agnet
这些reward不是来自环境真正的reward。

根据游戏设计

缺点：需要domain knowledge

Curiosity Reward

ICM = intrinsic curiosity module

ICM根据(s1, a1, s2)计算出$r1^i$
$$ R(\tau) = \sum(r_t + r_t^i) $$

ICM的设计

1. Network1根据at和st预测$\hat s_{t+1}$
2. 比较$\hat s_{t+1}$和$s_{t+1}$
3. diff越大，$r_t^i$越高
   即：
   action越无法预测，action的reward越大。（鼓励冒险）
   存在的问题：
   some states is hard to predict, but not important。
   例如：风吹草动。
   机器不能什么都不做只是站着看风吹草动。

ICM改进版

增加feature extraction

feature extraction通过Network2实现，用于把state中没有意义的东西去掉。
N2的训练方法为：根据$\hat s_{t+1}$和$s_{t+1}$预测$\hat a_t$

Curriculum Learning

给机器的学习做规划，labelled data由简单到难

Hierarchial Reinforcement Learning