Apr, 2019

使用浅层MCTS增强Pommerman中的深度RL安全性探究

TL;DR本文研究如何使用非专业演示者的行动指导来避免稀疏、延迟和具有欺骗性的奖励域中的灾难性事件,并提出了一种新的框架将计划算法与异步分布式深度强化学习方法相结合,相比传统的深度强化学习算法,提高了学习速度并收敛到更好的策略。