图像增强足矣：从像素正则化深度强化学习
机器学习
2021-03-09 v4 计算机视觉与模式识别
图像与视频处理
机器学习
摘要
我们提出了一种简单的数据增强技术，可应用于标准的无模型强化学习算法，使得能够直接从像素进行鲁棒学习，而无需辅助损失或预训练。该方法利用计算机视觉任务中常用的输入扰动来正则化价值函数。现有的无模型方法，如 Soft Actor-Critic (SAC)，无法从图像像素有效地训练深度网络。然而，加入我们的增强方法显著提升了 SAC 的性能，使其在 DeepMind control suite 上达到最先进的性能，超越了基于模型的方法 (Dreamer、PlaNet 和 SLAC) 以及最近提出的对比学习方法 (CURL)。我们的方法可与任何无模型强化学习算法结合，仅需少量修改。实现代码见 https://sites.google.com/view/data-regularized-q。
引用
@article{arxiv.2004.13649,
title = {Image Augmentation Is All You Need: Regularizing Deep Reinforcement Learning from Pixels},
author = {Ilya Kostrikov and Denis Yarats and Rob Fergus},
journal= {arXiv preprint arXiv:2004.13649},
year = {2021}
}