基于无监督辅助任务的毁灭战士深度强化学习
机器学习
2018-07-06 v1 人工智能
机器学习
摘要
深度强化学习的最新进展使得能够创建在给定视觉输入下解决多种游戏的智能体。这些方法已被证明在 2D 游戏（如 Atari 游戏）或简单任务（如迷宫导航）中是成功的。如何处理奖励稀疏且状态空间巨大的更复杂环境，仍是一个开放问题。在本文中，我们提出了一种分而治之的深度强化学习解决方案，并在第一人称射击（FPS）游戏毁灭战士（Doom）中测试了我们的智能体。我们的工作基于深度强化学习和 Doom 智能体方面的先前研究。我们还展示了与最先进的强化学习算法相比，我们的智能体如何在未知环境中表现更好。
引用
@article{arxiv.1807.01960,
title = {Deep Reinforcement Learning for Doom using Unsupervised Auxiliary Tasks},
author = {Georgios Papoudakis and Kyriakos C. Chatzidimitriou and Pericles A. Mitkas},
journal= {arXiv preprint arXiv:1807.01960},
year = {2018}
}
备注
4 pages, 3 figures, 3 tables