诊断和利用视频游戏的计算需求进行深度强化学习

Sep, 2023

诊断和利用视频游戏的计算需求进行深度强化学习

Diagnosing and exploiting the computational demands of videos games for deep reinforcement learning

Lakshmi Narasimhan Govindarajan, Rex G Liu, Drew Linsley, Alekh Karkada Ashok, Max Reuter...

TL;DR通过提出学习挑战诊断器 (LCD) 并使用其在 Procgen 基准测试中发现新的挑战分类，研究报道了在优化深度强化学习算法时出现的多种失败情况，并为更高效的进展提供了一条路径。

Abstract

Humans learn by interacting with their environments and perceiving the outcomes of their actions. A landmark in artificial intelligence has been the development of deep reinforcement learning (dRL) algorithms capable of doing the same in video games, on par with or better than humans.

deep reinforcement learning visual representation learning reinforcement learning algorithms learning challenge diagnosticator procgen benchmark

发现论文，激发创造

使用深度强化学习增强自动游戏测试

本研究采用深度强化学习（DRL）技术来实现自学习机制的游戏测试框架，可提高测试覆盖率，发现并解决游戏内的漏洞及其他问题，特别适用于第一人称射击类型的游戏。

Mar, 2021

使用低维观测滤波器的深度强化学习在视觉复杂游戏中的应用

本论文提出了一种低维观察过滤器，使深度 Q 网络代理能够在视觉复杂的现代视频游戏（Neon Drive）中成功玩耍。

Apr, 2022

视频游戏中深度强化学习综述

本文综述了深度强化学习 (DRL) 的进展，包括基于价值、基于策略和基于模型的算法，并对其在游戏 AI 领域内的应用和挑战进行了讨论和总结。

Dec, 2019

自主驾驶的深度强化学习：一份综述

本文综述了深度强化学习算法在自动驾驶任务上的应用，包括分类、验证、测试和强化现有强化学习算法解决方案的方法，还介绍了相关领域和挑战。

Feb, 2020

感知世界：针对基于文本游戏的问题引导强化学习

本研究探讨了深度强化学习在文本游戏中的应用，提出了通过引入知觉模块以及使用两阶段训练框架来提高样本效率，从而解决了应用 DRL 的两个主要挑战。实验结果表明，提出的方法显着提高了性能和样本效率，并且对复合错误和数据有限的预训练表现出鲁棒性。

Mar, 2022

深度强化学习系统部署：挑战分类

该研究通过对开发人员常见问题解答平台 Stack Overflow 上的相关帖子进行实证研究，揭示并理解开发人员在部署深度强化学习系统时面临的挑战。结果显示，DRL 部署比其他问题更困难，而与 RL 环境相关的挑战是最常见和最困难的。希望这项研究能够激发未来的研究，并帮助社区克服开发人员在部署 DRL 系统时面临的最常见和最困难的挑战。

Aug, 2023

DERAIL：面向奖励和模仿学习的诊断环境

通过开发一套简单的诊断任务，并对常见的奖励学习和模仿学习算法进行评估，本研究证实算法的性能高度依赖于实现细节，其中还揭示了套件如何确定设计缺陷并快速评估解决方案的案例研究。

Dec, 2020

医学影像中的深度强化学习：文献综述

这篇论文综述了深度强化学习在医学成像中的应用，分别从深度强化学习的基础知识、医学成像领域的应用及未来展望等方面进行了解析。

Mar, 2021

数字干预强化学习算法设计：实施前指南

该研究介绍了如何使用预测性、可计算性和稳定性（PCS）框架设计在线强化学习算法来个性化数字干预，提供了指南并展示了如何在模拟环境中评估候选算法，以加强现实时间限制和用户动态环境的稳定性，从而在 Oralytics 项目中改善用户的口腔健康，预计 2022 年底进行实地测试。

Jun, 2022

视频游戏的逆强化学习

通过改良强化学习反求解奖励函数模型的 CNN-AIRL 方法以及使用对电子游戏环境进行了调整的自动编码器将专家演示转化为奖励网络的输入，本文在简单的 Catcher 游戏上取得了高水平表现，显著超越了 CNN-AIRL 基线，但在 Enduro Atari 赛车游戏中表现不佳，这彰显了需要进一步研究的必要性。

Oct, 2018