用于视觉Doom游戏的自编码器增强神经进化
人工智能
2017-07-14 v1 神经与进化计算
摘要
神经进化已在许多强化学习任务中被证明有效，但似乎不能很好地扩展到高维控制器表示，而输入为原始像素数据的任务正需要这种表示。我们提出一种新方法：训练自编码器以创建环境观测的相对低维表示，然后使用 CMA-ES 训练作用于该输入数据的神经网络控制器。随着智能体行为改变输入数据的性质，自编码器训练在整个进化过程中持续进行。我们在基于经典 FPS 游戏 Doom 构建的 VizDoom 环境中测试该方法，其在收集血包任务上表现良好。
引用
@article{arxiv.1707.03902,
title = {Autoencoder-augmented Neuroevolution for Visual Doom Playing},
author = {Samuel Alvernaz and Julian Togelius},
journal= {arXiv preprint arXiv:1707.03902},
year = {2017}
}
备注
IEEE conference on Computational Intelligence and Games 2017