ViZDoom：基于Doom的视觉强化学习AI研究平台
机器学习
2016-09-21 v2 人工智能
计算机视觉与模式识别
摘要
深度神经网络的最新进展导致了有效的基于视觉的强化学习方法，这些方法已用于从像素数据获得雅达利2600游戏中的人类水平控制器。然而，雅达利2600游戏不像真实世界任务，因为它们涉及非真实的2D环境和第三人称视角。在此，我们提出一个新的基于原始视觉信息的强化学习研究测试床平台，它采用半真实3D世界中的第一人称视角。该软件称为ViZDoom，基于经典第一人称射击视频游戏Doom。它允许开发使用屏幕缓冲玩游戏的机器人。ViZDoom轻量、快速，并通过便捷的用户场景机制高度可定制。在实验部分，我们通过尝试为两种场景学习机器人来测试环境：基本的移动和射击任务以及更复杂的迷宫导航问题。使用带Q学习和经验回放的卷积深度神经网络，对于两种场景，我们都能训练出有能力的机器人，其表现出类似人类的行为。结果证实了ViZDoom作为AI研究平台的效用，并暗示在3D真实第一人称视角环境中的视觉强化学习是可行的。
引用
@article{arxiv.1605.02097,
title = {ViZDoom: A Doom-based AI Research Platform for Visual Reinforcement Learning},
author = {Michał Kempka and Marek Wydmuch and Grzegorz Runc and Jakub Toczek and Wojciech Jaśkowski},
journal= {arXiv preprint arXiv:1605.02097},
year = {2016}
}