$\mu$RTS中深度强化学习的观测与动作表示比较
机器学习
2020-04-24 v3 人工智能
机器学习
摘要
本文给出一项初步研究，比较实时策略（RTS）游戏背景下深度强化学习（DRL）的不同观测与动作空间表示。具体地，我们比较两种表示：（1）全局表示，其中观测表示整个游戏状态，RL主体需选择对哪个单位下达动作以及执行哪些动作；（2）局部表示，其中观测从单个单位的视角表示，RL主体为每个单位独立选取动作。我们在RTS中评估这些表示，表明在训练采集资源任务的主体时，局部表示似乎优于全局表示。
引用
@article{arxiv.1910.12134,
title = {Comparing Observation and Action Representations for Deep Reinforcement Learning in $\mu$RTS},
author = {Shengyi Huang and Santiago Ontañón},
journal= {arXiv preprint arXiv:1910.12134},
year = {2020}
}
备注
Presented in the AIIDE 2019 Workshop on Artificial Intelligence for Strategy Games