在强化学习领域，传统的要素为环境，观察表述，奖励，动作，这里的奖励完全由环境给出，论文提出一种内部驱动的奖励系统，如下图所示：
本文将奖励分为内部驱动的奖励和外部驱动的奖励，二者相互作用指导智能体的行动。
这在生物学上有一定的依据，生物在进化中学习到了很多的品质，比如喜欢探索，好奇心，这些品质即使没有外部奖励，一些生物的个体依然会保持，可见其合理性。
论文使用两个实验证明，使用自身相关的奖励，比单纯使用外部的适应度奖励更好。
论文使用的算法为Q-learning。
一是饥饿-口渴实验：
条件是这样的，一个智能体，在一个6*6的网格中寻找食物和水，二者随机分布在网格当中，agent到达食物的点，并且执行吃的动作，就可以增加适应去，下一时刻立即又饿了，但是这个智能体会口渴，在口渴状态下无法吃食物，喝完水之后有0.1的概率随机的边的口渴，水和食物都无限供应。吃食物为外部的奖励，喝水不会增加适应度，为内部的奖励。
最终比较好的智能体使用的策略如下：agent在口渴且饥饿的状态下，会朝水的点走，在不口渴且饥饿的状态下，会朝食物走。
最终得到，在考虑口渴的奖励函数，比不考虑奖励的agent适应能力更强，虽然考虑口渴的因素不会直接增强适应度。
二是盒子实验：
在6*6的格子空间里，有2个随机位置的箱子，agent只有到达箱子位置，打开箱子，吃掉里边的食物，增加使用度。一个关闭的箱子打开后一定有食物，箱子打开后，有0.1的概率再关闭，关闭之后再打开再次有食物。
湿度度为agent迟到食物的数量，本文使用的奖励：吃掉食物的数量和agent是否把箱子打开。
打开箱子的动作，不会增加实用度，指agent好奇心的体现。
最终表现显然，有好奇心的agent表现更好。
如果在前5000步，任何盒子都没有食物，5000步之后才给食物，喜欢探索的agent同样很有优势，因为提前把盒子打开了：
可以看到，使用内部的参数做奖励，表现很好。
这幅图是平均开箱数的图，使用内部奖励的agent更喜欢开箱。
最终的得到结论：
agent自身的内部奖励会影响agent整体的适应度。
疑惑：
感觉实验有点牵强，因为内部的动作和外部的奖励有一个固定的状态转换概率，其实相当于间接的增加外部奖励的比率，感觉有点问题。
