使用数据增强的基于模型强化学习高效求解真实世界迷宫游戏
机器人学
2023-12-18 v1 人工智能
摘要
受在物理环境中实现快速学习的挑战所启发，本文介绍了旨在利用基于模型的强化学习技术导航并求解迷宫游戏的机器人系统的开发与训练。该方法涉及从相机图像中提取低维观测值，以及以迷宫内当前位置为中心的裁剪和校正图像块，从而提供有关迷宫布局的宝贵信息。控制策略的学习完全在物理系统上使用基于模型的强化学习进行，其中沿迷宫路径的行进进度作为奖励信号。此外，我们利用系统固有的对称性来增强训练数据。因此，我们的方法以创纪录的时间成功学会了求解一款流行的真实世界迷宫游戏，仅使用了 5 小时的真实世界训练数据。
引用
@article{arxiv.2312.09906,
title = {Sample-Efficient Learning to Solve a Real-World Labyrinth Game Using Data-Augmented Model-Based Reinforcement Learning},
author = {Thomas Bi and Raffaello D'Andrea},
journal= {arXiv preprint arXiv:2312.09906},
year = {2023}
}