Jan, 2018

Psychlab：用于深度强化学习代理的心理学实验室

PDF
TL;DRPsychlab 是 DeepMind Lab 中的模拟心理学实验室，可用于实现经典实验范式和深度强化学习代理的视觉心理物理研究。实验结果表明，UNREAL 的学习速度受目标刺激大小的影响，并通过提供简单的视觉准则来改善 UNREAL 在任务中的表现。
psychlab3d gamepsychological experimentsreinforcement learningfoveal vision
发现论文，激发创造
  • DeepMind 实验室

    DeepMind Lab 是一个可用于研究自主人工智能和机器学习系统的 3D 游戏平台，它具有简单灵活的 API，可用于探索和快速迭代创新任务和 AI 设计。

    Dec, 2016

  • Scilab-RL：用于高效强化学习和认知建模研究的软件框架

    通过 Scilab-RL 软件框架，研究人员能够有效进行认知建模和强化学习方面的研究，特别注重基于目标的强化学习和实验可视化，最大限度地提高研究产出。

    Jan, 2024

  • ChemGymRL: 数字化学强化学习的交互式框架

    该研究提供了一个基于 Open AI Gym 模板的高度可定制和开源的 RL 环境，ChemGymRL，以支持在化学发现中训练 RL 代理，通过使用一系列互连的虚拟化学试验台。研究介绍了这些试验台，并在其中训练了一组标准 RL 算法，最后提供了多个标准 RL 方法的性能讨论和比较以及未来工作的发展方向列表作为 ChemGymRL 的远景。

    May, 2023

  • 探索探索：在统一环境中比较儿童和强化学习智能体

    探索是儿童学习的关键，然而，与人类同行相比，机器学习和人工代理商的探索技术还未达到高标准，该研究提出使用 DeepMind Lab 进行比较，并提出了一些研究问题。

    May, 2020

  • 具有增强学习推荐和可解释策略动态的心理治疗人工智能伴侣

    该研究介绍了一个基于深度强化学习的心理治疗 AI 伴侣，通过患者的反馈为治疗师生成主题推荐，并使用多目标策略生成四种不同精神疾病的策略。实验结果表明，该系统能够捕捉到历史主题的真实数据，并且最佳性能模型因疾病和评分标准而异。通过 2D 主成分分析和迁移矩阵可视化策略轨迹，呈现出具有不同奖励信号和不同临床诊断训练的策略的明显模式，并展示了 DRL 在提供个性化和高效治疗建议方面的潜力。

    Mar, 2023

  • Google Research Football: 一种新的强化学习环境

    介绍了一项新的强化学习环境 - 谷歌足球环境，提供支持多人和多代理实验的虚拟学习环境和用于测试和展示强化学习算法的三种难度场景与一组更简单的场景。

    Jul, 2019

  • 一个用于无人值守容器化（深层）强化学习的 Webots 架构

    通过分离仿真环境和模型开发环境，并使用独立的仿真软件 Webots、机器人操作系统以及容器技术，我们描述了一种无需数据科学家了解仿真软件的方法，重点关注数据科学家所使用的 API 以及在无人值守训练管道中使用独立的仿真软件。

    Feb, 2024

  • MiniHack the Planet：一个开放式强化学习研究的沙盒

    MiniHack 是一个强大的沙箱框架，用于设计新的深度强化学习（RL）测试环境，其中包含了丰富和复杂的以网格为基础的游戏 NetHack 的所有实体和环境动态，MiniHack 可以使用人类可读的描述语言或简单的 Python 接口来轻松地设计新的 RL 测试环境或整合现有的 RL 基准测试。

    Sep, 2021

  • 深度强化学习智能体行为的实证研究

    通过对深度强化学习的智能体的策略网络进行局部网络消融，我们发现健康智能体的行为是通过网络层激活与执行行为之间具有特定的相关模式所表征，并且健康智能体的学习表征在其激活空间中具有反映其不同行为阶段的特定模式，在网络消融时，这些模式被扭曲，导致智能体无法完成其训练控制任务。因此，我们提出了对人工神经网络的一种新的实证研究视角，以确保人工神经网络在透明度和可解释性方面具有科学可证伪性的标准。

    Apr, 2020

  • 基于虚拟现实技术的深度学习模型表示、可视化和更新工具

    我们展示了一种虚拟现实工具，利用手势和运动自动将数据输入分配到不同类别，实现了深度神经网络在透明度方面的可视化和加速了最终用户开发深度学习应用的过程。

    May, 2023