在无模型深度强化学习中探究简单对象表示
机器学习
2020-06-01 v2 人工智能
机器学习
摘要
我们探究了用简单对象表示增强最先进的无模型深度强化学习算法的益处。遵循 Lake 等人 (2017) 提出的 Frostbite 挑战，我们将对象表示确定为当前强化学习智能体所缺乏的关键认知能力。我们发现，为 Rainbow 模型 (Hessel 等人, 2018) 提供简单的、经特征工程构建的对象表示，可大幅提升其在 Atari 2600 的 Frostbite 游戏上的性能。随后，我们分析了不同类型对象表示的相对贡献，识别出这些表示影响最为显著的环境状态，并考察了这些表示如何帮助泛化到新颖情境。
引用
@article{arxiv.2002.06703,
title = {Investigating Simple Object Representations in Model-Free Deep Reinforcement Learning},
author = {Guy Davidson and Brenden M. Lake},
journal= {arXiv preprint arXiv:2002.06703},
year = {2020}
}