Minecraft中的记忆、主动感知与动作控制
人工智能
2016-05-31 v1 计算机视觉与模式识别
机器学习
摘要
本文在Minecraft（一个灵活的3D世界）中引入了一组新的强化学习(RL)任务。随后，我们利用这些任务系统性地比较和对比现有的深度强化学习(DRL)架构与我们新的基于记忆的DRL架构。这些任务旨在以可控的方式凸显RL方法面临的挑战，包括部分可观测性（由于第一人称视觉观测）、延迟奖励、高维视觉观测，以及为了良好完成任务而需要正确使用主动感知。尽管这些任务在概念上易于描述，但由于同时具备所有这些挑战，它们对当前的DRL架构而言是困难的。此外，我们在训练时未使用的环境中评估了这些架构的泛化性能。实验结果表明，我们的新架构比现有DRL架构能更好地泛化到未见过的环境。
引用
@article{arxiv.1605.09128,
title = {Control of Memory, Active Perception, and Action in Minecraft},
author = {Junhyuk Oh and Valliappa Chockalingam and Satinder Singh and Honglak Lee},
journal= {arXiv preprint arXiv:1605.09128},
year = {2016}
}
备注
ICML 2016