DeepTraffic：面向多智能体密集交通导航的深度强化学习系统众包超参数调优
神经与进化计算
2019-01-04 v2 人工智能
机器人学
摘要
我们提出一个名为DeepTraffic的交通仿真，其中部分车辆的规划系统由神经网络作为无模型、离策略强化学习过程的一部分来处理。DeepTraffic的主要目标是让数千名学生、教育者和研究者能够动手研究深度强化学习，并通过大规模公开竞赛激发和推动对深度Q学习网络变体及超参数配置的探索与评估。本文研究了由首届DeepTraffic竞赛产生的策略网络的众包超参数调优，其中数千名参与者积极搜索了超参数空间。
引用
@article{arxiv.1801.02805,
title = {DeepTraffic: Crowdsourced Hyperparameter Tuning of Deep Reinforcement Learning Systems for Multi-Agent Dense Traffic Navigation},
author = {Lex Fridman and Jack Terwilliger and Benedikt Jenik},
journal= {arXiv preprint arXiv:1801.02805},
year = {2019}
}
备注
Neural Information Processing Systems (NIPS 2018) Deep Reinforcement Learning Workshop