GriddlyJS：一个用于强化学习的Web IDE
人工智能
2022-10-14 v2
摘要
强化学习（RL）研究的进展常由设计新颖且具挑战性的环境所驱动——这是一项代价高昂的工作，需要典型机器学习研究者所不具备的技能。随着程序化内容生成（PCG）成为生产可测试RL智能体鲁棒性与泛化能力的多样环境的主流范式，环境开发的复杂性只增不减。此外，现有环境常需复杂的构建流程，使结果复现困难。为解决这些问题，我们引入了GriddlyJS，一个基于Griddly引擎的Web集成开发环境（IDE）。GriddlyJS允许研究者使用便捷的图形界面可视化设计并调试任意复杂的PCG网格世界环境，以及可视化、评估并记录训练好的智能体模型的性能。通过将RL工作流与现代Web标准所赋能的高级功能相连接，GriddlyJS允许将可复现实验结果的智能体-环境交互式演示直接发布至Web。为展示GriddlyJS的通用性，我们使用它快速开发了一个复杂的组合谜题求解环境，以及任意人工设计的环境配置及其解，用于自动课程学习与离线RL。GriddlyJS IDE开源且免费提供于 https://griddly.ai。
引用
@article{arxiv.2207.06105,
title = {GriddlyJS: A Web IDE for Reinforcement Learning},
author = {Christopher Bamford and Minqi Jiang and Mikayel Samvelyan and Tim Rocktäschel},
journal= {arXiv preprint arXiv:2207.06105},
year = {2022}
}