Sim-Env：将 OpenAI Gym 环境从仿真模型解耦
机器学习
2023-06-08 v2 多智能体系统
摘要
强化学习（RL）是人工智能研究中最活跃的领域之一。尽管研究界对强化学习表现出兴趣，其开发方法仍落后，严重缺乏促进 RL 应用开发的标准 API。OpenAI Gym 可能是开发 RL 应用与仿真最常用的环境，但该框架提出的大多数抽象仍假定半结构化方法。这对于以分析仿真中自学习智能体表现出的自适应行为为目的的基于智能体模型尤为相关。为弥补此差距，我们提出一种工作流与工具，用于解耦式开发与维护多用途基于智能体模型及派生的单用途强化学习环境，使研究者能在保持底层领域模型完整且独立的同时，将环境替换为代表不同视角或不同奖励模型的环境。Sim-Env Python 库生成兼容 OpenAI Gym 的强化学习环境，使用现有或专门创建的领域模型作为仿真后端。其设计强调易用性、模块化和代码分离。
引用
@article{arxiv.2102.09824,
title = {Sim-Env: Decoupling OpenAI Gym Environments from Simulation Models},
author = {Andreas Schuderer and Stefano Bromuri and Marko van Eekelen},
journal= {arXiv preprint arXiv:2102.09824},
year = {2023}
}
备注
17 pages, 6 figures, v2 adds supplementary material (4 pages) and 2 ancillary code files