扩展赋能智能体：通过技能学习实现赋能最大化

研究人员提出了一种可扩展的赋能（Empowerment）最大化方案，通过将赋能对应为状态下可执行技能的数量，引导智能体到达适合开启多种技能的起始状态。该方法适用于任意底层技能学习算法，突破了以往仅限表格环境的限制，实现了资源收集、环境改造与生存等理论特性。实验显示赋能最大化可涌现出在 Crafter 中建房子等行为，相关代码与网站已公开。