面向通用视频游戏 AI 的深度强化学习
机器学习
2018-06-08 v1 人工智能
神经与进化计算
机器学习
摘要
通用视频游戏 AI (GVGAI) 竞赛及其相关软件框架提供了一种在大量以领域特定描述语言编写的游戏上基准测试 AI 算法的方式。尽管该竞赛已引起大量关注，但迄今为止其侧重于在线规划，提供允许使用如蒙特卡洛树搜索等算法的前向模型。在本文中，我们描述了如何将 GVGAI 接入 OpenAI Gym 环境——一种广泛用于将智能体连接到强化学习问题的途径。利用该接口，我们刻画了若干深度强化学习算法的广泛使用的实现在大量 GVGAI 游戏上的表现。我们进一步分析结果，以首次指示这些游戏彼此之间以及在类似条件下相对于雅达利学习环境 (Arcade Learning Environment) 中那些游戏的难度相对关系。
引用
@article{arxiv.1806.02448,
title = {Deep Reinforcement Learning for General Video Game AI},
author = {Ruben Rodriguez Torrado and Philip Bontrager and Julian Togelius and Jialin Liu and Diego Perez-Liebana},
journal= {arXiv preprint arXiv:1806.02448},
year = {2018}
}
备注
8 pages, 4 figures, Accepted at the conference on Computational Intelligence and Games 2018 IEEE