通过对象嵌入网络学习游玩通用视频游戏
机器学习
2018-05-29 v2 人工智能
摘要
深度强化学习（DRL）已被证明是创建通用视频游戏 AI 的有效工具。然而，当前大多数 DRL 视频游戏智能体从游戏视频输出端到端学习，这对于许多应用是冗余的，并带来了若干额外问题。更重要的是，直接处理基于像素的原始视频数据与人类玩家所做的截然不同。在本文中，我们提出了一种新方法，使 DRL 智能体能够直接从对象信息学习。这是通过使用对象嵌入网络（OEN）获得的，该网络将一组长度不同的对象特征向量压缩为表示当前游戏状态的单一固定长度统一特征向量，并同时完成 DRL。我们通过在 GVG-AI 竞赛中选取的一组游戏上与几种最先进（SOTA）方法比较来评估我们基于 OEN 的 DRL 智能体。实验结果表明，我们的基于对象的 DRL 智能体取得了与对比研究中那些方法相当的性能。
引用
@article{arxiv.1803.05262,
title = {Learning to Play General Video-Games via an Object Embedding Network},
author = {William Woof and Ke Chen},
journal= {arXiv preprint arXiv:1803.05262},
year = {2018}
}
备注
To appear in IEEE CIG2018