Doom 中基于原始像素的深度强化学习
机器学习
2016-10-10 v1 人工智能
摘要
利用当前的强化学习方法，最近已能从原始像素学习游玩未知的 3D 游戏。本文研究此类复杂环境中出现的挑战，并总结当前应对这些挑战的方法。我们选择了 Doom 游戏中一个尚未被探索的任务：智能体的目标是在一个由五个房间组成的 3D 世界中与敌人战斗。我们在此任务上训练了 DQN 和 LSTM-A3C 算法。结果表明，两种算法均能学到合理的策略，但在给定的训练量下未能取得高分。我们提供了对所学行为的深入分析，可作为 Doom 领域进一步研究的宝贵起点。
引用
@article{arxiv.1610.02164,
title = {Deep Reinforcement Learning From Raw Pixels in Doom},
author = {Danijar Hafner},
journal= {arXiv preprint arXiv:1610.02164},
year = {2016}
}
备注
Bachelor's thesis