深度强化学习中泛化能力的评估
机器学习
2019-03-18 v2 人工智能
机器学习
摘要
深度强化学习（RL）已在许多任务上取得突破性结果，但智能体常无法泛化到其训练环境之外。因此，促进泛化的深度 RL 算法正受到越来越多的关注。然而，该领域的著作使用多种多样的任务与实验设定进行评估，文献缺乏对不同泛化方案优劣的受控评估。我们的目标是催化社区在深度 RL 泛化问题上的整体进展。为此，我们提出一个基准与实验协议，并开展系统的实证研究。我们的框架包含一组多样的环境，我们的方法涵盖分布内与分布外泛化，我们的评估包括专门解决泛化的深度 RL 算法。我们的关键发现是，“原生”深度 RL 算法的泛化表现优于专为应对泛化而提出的专门方案。
引用
@article{arxiv.1810.12282,
title = {Assessing Generalization in Deep Reinforcement Learning},
author = {Charles Packer and Katelyn Gao and Jernej Kos and Philipp Krähenbühl and Vladlen Koltun and Dawn Song},
journal= {arXiv preprint arXiv:1810.12282},
year = {2019}
}
备注
17 pages, 6 figures