面向深度强化学习策略开发的视觉诊断方法
机器学习
2018-09-28 v2 计算机视觉与模式识别
机器学习
摘要
现代基于视觉的强化学习技术常使用卷积神经网络（CNN）作为通用函数逼近器，针对给定视觉输入选择采取的动作。直到最近，CNN 一直被当作黑盒函数对待，但当其用于安全关键场景中的控制时，这种心态尤其危险。在本文中，我们将 CNN 可视化算法的扩展应用于基于视觉的强化学习领域。我们以模拟无人机环境作为示例场景。这些可视化算法是行为自省的重要工具，并在与物理世界交互时提供对训练后策略优点与缺陷的洞察。相关视频可见 https://sites.google.com/view/drlvisual。
引用
@article{arxiv.1809.06781,
title = {Visual Diagnostics for Deep Reinforcement Learning Policy Development},
author = {Jieliang Luo and Sam Green and Peter Feghali and George Legrady and Çetin Kaya Koç},
journal= {arXiv preprint arXiv:1809.06781},
year = {2018}
}
备注
4 pages, 5 figures