# Eksploracja z ciekawości (nagroda wewnętrzna)

EN: **Curiosity-driven exploration and intrinsic rewards** · id `curiosity`

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie ze wzmocnieniem i decyzje](https://aiatlasgraph.com/t/decisions.md) › [Offline RL i eksploracja](https://aiatlasgraph.com/t/offline.md) › Eksploracja z ciekawości (nagroda wewnętrzna)

## Description

- PL: Agent dostaje dodatkową nagrodę za odkrywanie nowego lub trudnego do przewidzenia, co pomaga, gdy zewnętrzna nagroda pojawia się rzadko.
- EN: The agent earns an extra reward for novel or hard-to-predict situations, which helps when external reward is sparse.

## In one sentence

- PL: To zachęcanie uczącego się programu do odkrywania nowych lub trudnych do przewidzenia sytuacji.
- EN: This encourages learning software to discover new or hard to predict situations.

## Problem it solves

- PL: Gdy nagroda za sukces pojawia się rzadko, program może nie znaleźć działań, z których warto się uczyć.
- EN: When success rewards are rare, software may fail to find actions that provide useful learning experience.

## What it does

- PL: Dodaje ocenę za nowość lub błąd przewidywania, żeby kierować próby także w mniej poznane części otoczenia.
- EN: It adds a score for novelty or prediction error to direct trials towards less explored parts of the environment.

## Everyday example

- PL: Postać w grze otrzymuje dodatkową ocenę za zwiedzanie nowych miejsc, zanim znajdzie właściwą drogę do odległego celu.
- EN: A game character receives extra scores for visiting new places before finding a route to a distant goal.

## This concerns you if you…

- PL: sukces jest rzadki i trudno zacząć naukę
- PL: chcesz nagradzać odkrywanie nowych doświadczeń
- EN: have rare successes that make learning hard to start
- EN: want to reward discovery of new experiences

## Keywords

Intrinsic Curiosity Module · Random Network Distillation · intrinsic motivation · novelty bonuses · prediction error

## How it works

- PL: Model przewidujący kolejną reprezentację stanu tworzy dodatkową nagrodę z błędu predykcji lub nowości. Polityka maksymalizuje połączenie tego sygnału z nagrodą zadania, kierując eksplorację ku nieznanym sytuacjom.
- EN: A model predicting the next state representation derives extra reward from prediction error or novelty. The policy maximises this signal together with task reward, directing exploration toward unfamiliar situations.

## Limits

- PL: Nieprzewidywalny szum może stale przyciągać agenta bez użytecznej nauki. Skala nagrody wewnętrznej i reprezentacja stanu muszą ograniczać odchodzenie od rzeczywistego zadania.
- EN: Unpredictable noise can continually attract the agent without useful learning. Intrinsic-reward scale and state representations must limit diversion from the actual task.

## Key terms

- PL: **nagroda wewnętrzna**: Sygnał eksploracji wyliczany przez agenta, dodatkowy wobec nagrody zadania.
- PL: **model dynamiki**: Model przewidujący zmianę stanu po wykonaniu działania.
- EN: **intrinsic reward**: An agent-computed exploration signal additional to the task reward.
- EN: **dynamics model**: A model predicting state changes following an action.

## Know first

- [Proces decyzyjny Markowa (MDP) (Markov decision processes (MDP))](https://aiatlasgraph.com/t/mdp.md)
- [Podstawy sieci neuronowych (Neural network fundamentals)](https://aiatlasgraph.com/t/neuralbasics.md)

## Examples

- PL: Moduł ciekawości (ICM) · Random Network Distillation · bonusy za nowość
- EN: Intrinsic Curiosity Module (ICM) · Random Network Distillation · novelty bonuses

## Related topics

Untyped, symmetric "see also" links.

- [Automatyczne testowanie gier przez agentów (Automated playtesting with agents)](https://aiatlasgraph.com/t/gametesting.md)
- [Poszukiwanie nowości (novelty search) (Novelty search)](https://aiatlasgraph.com/t/noveltysearch.md)
- [Projektowanie i kształtowanie nagrody (Reward design and reward shaping)](https://aiatlasgraph.com/t/rewarddesign.md)
- [Wielorękie bandyty: eksploracja kontra eksploatacja (Multi-armed and contextual bandits)](https://aiatlasgraph.com/t/bandits.md)

## Sources

- [Berkeley CS185/285 · Deep Reinforcement Learning (2026)](<https://rail.eecs.berkeley.edu/deeprlcourse/>) `rl` · reference: Uczenie przez wzmacnianie, imitacja, sterowanie i RL dla LLM.
- [Curiosity-driven Exploration by Self-supervised Prediction](<https://arxiv.org/abs/1705.05363>) `icm-curiosity-2017` · by Deepak Pathak, Pulkit Agrawal, Alexei A. Efros, Trevor Darrell

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/curiosity · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30