深度代理辅助的环境生成
人工智能
2022-10-13 v3 机器学习
神经与进化计算
摘要
强化学习（RL）近期的进展已开始产生能够解决复杂环境分布的通用智能体。这些智能体通常在固定的、人工编写的环境上测试。另一方面，质量多样性（QD）优化已被证明是环境生成算法的有效组成部分，可生成在所得智能体行为上多样的高质量环境集合。然而，这些算法需要智能体在新生成环境上潜在的昂贵模拟。我们提出深度代理辅助的环境生成（DSAGE），一种样本高效的 QD 环境生成算法，其维护一个深度代理模型以预测智能体在新环境中的行为。在两个基准领域的结果表明，DSAGE 在发现引发最先进 RL 智能体与规划智能体多样行为的环境集合方面，显著优于现有 QD 环境生成算法。我们的源代码与视频可在 https://dsagepaper.github.io/ 获取。
引用
@article{arxiv.2206.04199,
title = {Deep Surrogate Assisted Generation of Environments},
author = {Varun Bhatt and Bryon Tjanaka and Matthew C. Fontaine and Stefanos Nikolaidis},
journal= {arXiv preprint arXiv:2206.04199},
year = {2022}
}
备注
26 pages, 15 figures, supplemental website at https://dsagepaper.github.io/