神经游戏引擎：从像素中准确学习可泛化的前向模型
人工智能
2020-04-02 v2
摘要
获取一个快速且易于复制的游戏前向模型对于基于模型的强化学习以及诸如蒙特卡洛树搜索等算法至关重要，并且作为无模型算法无限经验数据的来源也大有裨益。学习前向模型是一个有趣且重要的挑战，用以解决模型不可用的问题。在先前 Neural GPU 工作的基础上，本文引入了神经游戏引擎，作为一种直接从像素中学习模型的方法。所学模型能够泛化到与其训练所用尺寸不同的游戏关卡而不损失准确性。在 10 个确定性 General Video Game AI 游戏上的结果显示了具有竞争力的性能，其中许多游戏模型在像素预测和奖励预测方面均被完美学习。预训练模型通过 OpenAI Gym 接口提供，并公开于此以供未来研究：\url{https://github.com/Bam4d/Neural-Game-Engine}
引用
@article{arxiv.2003.10520,
title = {Neural Game Engine: Accurate learning of generalizable forward models from pixels},
author = {Chris Bamford and Simon Lucas},
journal= {arXiv preprint arXiv:2003.10520},
year = {2020}
}