Minecraft中结合模型学习与蒙特卡洛树搜索的深度强化学习
人工智能
2018-03-23 v1 机器学习
机器学习
摘要
深度强化学习已成功应用于多个视觉输入任务，使用无模型方法。在本文中，我们提出了一种基于模型的方法，结合了基于DNN的转移模型学习和蒙特卡洛树搜索，以解决Minecraft中的方块放置任务。我们学习的转移模型根据智能体第一人称视角图像的最后四帧和当前动作，预测下一帧和一步后的奖励。然后蒙特卡洛树搜索算法使用该模型规划智能体执行的最佳动作序列。在Minecraft中提出的任务上，我们的基于模型的方法达到了与深度Q网络相当的性能，但学习速度更快，因此训练样本效率更高。
引用
@article{arxiv.1803.08456,
title = {Deep Reinforcement Learning with Model Learning and Monte Carlo Tree Search in Minecraft},
author = {Stephan Alaniz},
journal= {arXiv preprint arXiv:1803.08456},
year = {2018}
}
备注
The 3rd Multidisciplinary Conference on Reinforcement Learning and Decision Making (RLDM) 2017