您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
谷歌研究人员通过让AI玩游戏来改善强化学习
2019年03月26日 由 bie管我叫啥 发表
422420
0
深度强化学习已被用于模拟社会规范的影响，创建非常擅长玩游戏的AI等，尽管强化学习功能如此多样，它有一个显而易见的缺点：效率低下。训练策略需要在模拟或现实环境中进行大量交互，这远远超过普通人学习任务所需的内容。为了在视频游戏领域进行补救，谷歌研究人员最近提出了一种新的算法——模拟策略学习（Simulated Policy Learning），简称SimPLe，它使用游戏模型来学习选择动作的高质量策略。论文“Model-Based Reinforcement Learning for Atari”对这一算法进行了描述。
谷歌AI科学家ŁukaszKaiser和Dumitru Erhan表示，“在高层次上，SimPLe背后的想法是在模拟游戏环境中，学习游戏行为的世界模型和使用该模型优化策略（无模型强化学习）之间交替，这种算法背后的基本原理已经很好地建立，并已被用于许多基于模型的强化学习方法中。”
正如两位研究人员解释的那样，训练AI系统来玩游戏需要在给定一系列观察到的帧和命令（例如，“左”，“右”，“前进”，“后退”）的情况下预测目标游戏的下一帧。他们指出，一个成功的模型可以产生轨迹，这些轨迹可以用来训练游戏智能体策略，从而避免依赖昂贵的游戏内序列计算。
SimPLe就基于这个原理。它需要四帧作为输入来预测下一帧以及奖励，并且在得到充分训练之后，它会展示用于改进策略的动作，观察和结果的样本序列。Kaiser和Erhan指出，SimPLe仅使用中等长度的展示来最小化预测错误。
在持续相当于两小时游戏玩法（10万次互动）的实验中，使用SimPLe调整策略的智能体在两个测试游戏（Pong和Freeway）中获得了最高分，并产生了近乎完美的预测，最多可预测50步。
它们偶尔会努力捕捉游戏中小但高度相关的物体，从而导致失败，Kaiser和Erhan承认它还不符合标准强化学习方法的性能。但SimPLe在训练方面的效率提高了两倍，研究团队预计未来的工作将显着提高其绩效。
他们写道：“基于模型的强化学习方法的主要前景是，将其应用在交互成本高，速度慢或需要人工标记的环境中，例如多机器人任务。在这样的环境中，经过学习的模拟器可以更好地理解智能体的环境，并可以用新的，更好，更快的方式进行多任务强化学习。”
论文：
arxiv.org/abs/1903.00374
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消