MineRL Diamond 2021 竞赛：概述、结果与经验教训
机器学习
2022-02-23 v1 人工智能
摘要
强化学习竞赛通过提供适当的范围和支持来开发针对特定问题的解决方案，从而推动该领域的发展。为促进更具广泛适用性方法的发展，组织者需要强制使用通用技术、样本高效的方法以及结果的可复现性。尽管这对研究界有益，但这些限制是有代价的——难度增加。如果参与门槛过高，许多潜在参与者会失去信心。考虑到这一点，我们举办了第三届 MineRL ObtainDiamond 竞赛，即 MineRL Diamond 2021，并设立了一个单独的赛道，允许任何解决方案以促进新人的参与。借助该赛道以及更详尽的教程和支持，我们看到了提交数量的增多。这一较容易赛道的参与者能够获取到钻石，而较困难赛道的参与者在同一任务中推进了可泛化解决方案的发展。
引用
@article{arxiv.2202.10583,
title = {MineRL Diamond 2021 Competition: Overview, Results, and Lessons Learned},
author = {Anssi Kanervisto and Stephanie Milani and Karolis Ramanauskas and Nicholay Topin and Zichuan Lin and Junyou Li and Jianing Shi and Deheng Ye and Qiang Fu and Wei Yang and Weijun Hong and Zhongyue Huang and Haicheng Chen and Guangjun Zeng and Yue Lin and Vincent Micheli and Eloi Alonso and François Fleuret and Alexander Nikulin and Yury Belousov and Oleg Svidchenko and Aleksei Shpilman},
journal= {arXiv preprint arXiv:2202.10583},
year = {2022}
}
备注
Under review for PMLR volume on NeurIPS 2021 competitions