CALE：连续街机学习环境
机器学习
2024-11-01 v1 人工智能
摘要
我们引入了连续街机学习环境（CALE），它是著名的街机学习环境（ALE）[Bellemare et al., 2013] 的一个扩展。CALE 使用与 Atari 2600 游戏系统相同的底层模拟器（Stella），但增加了对连续动作的支持。这使得能够在同一环境套件上对连续控制智能体（如 PPO [Schulman et al., 2017] 和 SAC [Haarnoja et al., 2018]）以及基于值的智能体（如 DQN [Mnih et al., 2015] 和 Rainbow [Hessel et al., 2018]）进行基准测试和评估。我们提供了一系列 CALE 所促成的开放性问题和研究方向，以及使用 Soft Actor-Critic 的初步基线结果。CALE 作为 ALE 的一部分，可在 https://github.com/Farama-Foundation/Arcade-Learning-Environment 获取。
引用
@article{arxiv.2410.23810,
title = {CALE: Continuous Arcade Learning Environment},
author = {Jesse Farebrother and Pablo Samuel Castro},
journal= {arXiv preprint arXiv:2410.23810},
year = {2024}
}