MineRL：大规模 Minecraft 演示数据集
机器学习
2019-08-01 v1 人工智能
神经与进化计算
机器学习
摘要
标准深度强化学习方法的样本低效性阻碍了其在许多现实世界问题中的应用。利用人类演示的方法所需样本更少，但研究相对不足。正如计算机视觉与自然语言处理社区所展示的，大规模数据集能够通过作为新方法的实验与基准平台来促进研究。然而，现有兼容强化学习模拟器的数据集在规模、结构与质量上不足以支撑聚焦于使用人类示例的方法的进一步开发与评估。因此，我们引入一个全面、大规模、与模拟器配对的人类演示数据集：MineRL。该数据集包含 Minecraft 这一动态、三维、开放世界环境中多种相关任务上超过 6000 万自动标注的状态-动作对。我们提出了一种新颖的数据收集方案，允许持续引入新任务并收集适用于多种方法的完整状态信息。我们展示了 MineRL 数据集的层次性、多样性与规模。此外，我们展示了 Minecraft 领域的难度以及 MineRL 在开发解决其中关键研究挑战技术方面的潜力。
引用
@article{arxiv.1907.13440,
title = {MineRL: A Large-Scale Dataset of Minecraft Demonstrations},
author = {William H. Guss and Brandon Houghton and Nicholay Topin and Phillip Wang and Cayden Codel and Manuela Veloso and Ruslan Salakhutdinov},
journal= {arXiv preprint arXiv:1907.13440},
year = {2019}
}
备注
Accepted at IJCAI 2019, 7 pages, 6 figures. arXiv admin note: text overlap with arXiv:1904.10079