D2RL：强化学习中的深度密集架构
机器学习
2020-12-01 v2
摘要
尽管深度学习架构的改进在提升计算机视觉和自然语言处理中监督与无监督学习的水平方面发挥了关键作用，但强化学习的神经网络架构选择仍相对未被充分探索。我们从计算机视觉和生成建模中成功的架构选择获得启发，并在多种模拟机器人学习基准环境中研究了更深网络与密集连接用于强化学习。我们的发现表明，当前方法在一系列操作和运动任务中，对于本体感知和基于图像的观测，都从密集连接和更深网络中显著受益。我们希望我们的结果可作为强基线，并进一步激励未来对强化学习神经网络架构的研究。带有代码的项目网站位于此链接 https://sites.google.com/view/d2rl/home。
引用
@article{arxiv.2010.09163,
title = {D2RL: Deep Dense Architectures in Reinforcement Learning},
author = {Samarth Sinha and Homanga Bharadhwaj and Aravind Srinivas and Animesh Garg},
journal= {arXiv preprint arXiv:2010.09163},
year = {2020}
}
备注
NeurIPS 2020 Deep RL Workshop. Preprint. Under review