简介： 本发明公开了一种统一的基于好奇心驱动的强化学习方法，用于智能体在奖励稀疏的情况下能够快速有效地学习策略。具体包括如下步骤：1)通过注意力模块获得状态可靠的特征表达；2)使用状态新颖性估计和前向动态预测来估计状态以及状态动作对的探索程度，即初步估计的内部奖励；3)使用状态空间中的多个样本对估计出的内部奖励进行平滑处理；4)将不同类型的内部奖励进行融合，得到更加准确、鲁棒的内部奖励；5)智能体使用和环境交互产生的经验数据以及估计的内部奖励进行策略的学习。本发明适用于强化学习领域的稀疏奖励问题，能够在外部奖励比较稀疏或者不存在的情况下快速有效地学习策略。