利用RLzoo进行高效强化学习开发
人工智能
2021-08-20 v2
摘要
许多研究人员和开发者正探索在其应用中采用深度强化学习（DRL）技术。然而他们常发现此类采用颇具挑战。现有DRL库对DRL智能体（即模型）的原型设计、定制以及DRL智能体性能比较的支持较差。因此，开发者常报告开发DRL智能体的效率低下。本文介绍RLzoo，一个旨在高效开发DRL智能体的新DRL库。RLzoo为开发者提供（i）用于DRL智能体原型设计并进一步定制以获得最佳性能的高级且灵活的API，（ii）一个模型园（model zoo），用户可从中导入多种DRL智能体并轻松比较其性能，以及（iii）一种能利用自定义组件（对提升智能体在定制应用中的性能至关重要）自动构建DRL智能体的算法。评估结果表明，RLzoo能有效降低DRL智能体的开发成本，同时取得与现有DRL库相当的性能。
引用
@article{arxiv.2009.08644,
title = {Efficient Reinforcement Learning Development with RLzoo},
author = {Zihan Ding and Tianyang Yu and Yanhua Huang and Hongming Zhang and Guo Li and Quancheng Guo and Luo Mai and Hao Dong},
journal= {arXiv preprint arXiv:2009.08644},
year = {2021}
}
备注
Accepted by ACM Multimedia Open Source Software Competition