Flatland：一个用于强化学习的轻量级第一人称二维环境
机器学习
2018-09-11 v2 机器学习
摘要
Flatland 是一个简单、轻量级的环境，用于强化学习智能体的快速原型设计与测试。与类似的 3D 平台（如 DeepMind Lab 或 VizDoom）相比，其复杂度较低，但模拟了现实世界的物理特性，例如连续性、具有第一人称视角和多模态部分可观测状态的连贯物理。我们提议将其用作与终身（Lifelong）学习相关问题的一个中间基准。Flatland 高度可定制，并提供广泛的任务难度以全面评估人工智能体的性质。我们使用三个强化学习基线智能体进行实验，表明它们能在 Flatland 中快速解决一个导航任务。智能体在 Flatland 中行动的视频可在此处观看：https://youtu.be/I5y6Y2ZypdA。
引用
@article{arxiv.1809.00510,
title = {Flatland: a Lightweight First-Person 2-D Environment for Reinforcement Learning},
author = {Hugo Caselles-Dupré and Louis Annabi and Oksana Hagen and Michael Garcia-Ortiz and David Filliat},
journal= {arXiv preprint arXiv:1809.00510},
year = {2018}
}
备注
Accepted to the Workshop on Continual Unsupervised Sensorimotor Learning (ICDL-EpiRob 2018)