利用强化学习求解不确定性下的月球着陆器问题
机器学习
2020-11-25 v1
摘要
强化学习（RL）是机器学习的一个领域，关注使智能体在具有不确定性的环境中导航，以最大化某种累积长期奖励的概念。在本文中，我们在 OpenAI Gym 的 LunarLander-v2 环境中实现并分析了两种不同的 RL 技术：Sarsa 和 Deep Q-Learning。随后我们向原始问题引入额外不确定性，以测试上述技术的鲁棒性。使用我们的最佳模型，在原始问题上 Sarsa 智能体平均奖励达到 170+，Deep Q-Learning 智能体达到 200+。我们还表明这些技术能够克服额外不确定性，两个智能体均取得 100+ 的正平均奖励。随后我们对两种技术进行比较分析，以得出哪种智能体表现更优的结论。
引用
@article{arxiv.2011.11850,
title = {Solving The Lunar Lander Problem under Uncertainty using Reinforcement Learning},
author = {Soham Gadgil and Yunfeng Xin and Chengzhe Xu},
journal= {arXiv preprint arXiv:2011.11850},
year = {2020}
}