在Retro学习环境中玩SNES游戏
机器学习
2017-02-08 v2 人工智能
摘要
掌握视频游戏需要技巧、战术和策略。虽然这些属性可能被人类玩家自然获得，但教给计算机程序是一项更具挑战性的任务。近年来，在强化学习领域进行了广泛研究，并引入了许多算法，旨在学习如何执行人类任务，例如玩视频游戏。结果，Arcade Learning Environment (ALE) (Bellemare et al., 2013)已成为一个常用的基准环境，允许算法在各种Atari 2600游戏上训练。在许多游戏中，最先进算法表现优于人类。在本文中，我们引入一个新的学习环境，Retro Learning Environment --- RLE，可以运行超级任天堂娱乐系统(SNES)、Sega Genesis和几种其他游戏机上的游戏。该环境可扩展，允许更多视频游戏和游戏机轻松添加到环境中，同时保持与ALE相同的接口。此外，RLE兼容Python和Torch。由于SNES游戏具有更高水平的复杂性和多功能性，它们对当前算法提出了重大挑战。
引用
@article{arxiv.1611.02205,
title = {Playing SNES in the Retro Learning Environment},
author = {Nadav Bhonker and Shai Rozenberg and Itay Hubara},
journal= {arXiv preprint arXiv:1611.02205},
year = {2017}
}