Feb, 2024

对神经网络编码结构化数据的实验

PDF
TL;DR该研究论文的主要内容是在一个名为 Battlespace 的游戏领域中创建一个能够选择良好行动的人工智能代理，使用 Monte Carlo Tree Search (MCTS) 和 Deep Q-Network (DQN) 技术，针对如何呈现存储在 Python 类中的复杂结构化数据进行了编码技术的探索。
ai agentgame-playing domainbattlespacemonte carlo tree search (mcts)deep q-network (dqn)
发现论文，激发创造
  • 可理解的基于上下文的文本游戏

    本文提出了将位置和语法定向结构从文本中提取并使用快速卷积神经网络编码为状态的方法，并以通用和实用的方式增强奖励信号，以加快计算机智能体训练速度和提高其质量。

    May, 2019

  • 深度强化学习生成文本

    提出了一种基于深度强化学习（Deep Q-Network, DQN）的序列到序列学习中，通过迭代的方式对输出序列进行解码的新型模式，旨在使解码器优先处理较为容易的序列部分，然后再处理较为困难的部分。

    Oct, 2015

  • 如何避免被 Grue 吞噬：构建探索策略应对文本世界

    我们介绍了 Q*Bert 和 MC!Q*BERT 两个代理，在自然语言状态 - 动作空间中通过回答问题构建知识图谱来提高样本效率，并通过探索策略和内在动机检测瓶颈来有效探索空间，在九个文本游戏中超越了当前最先进的方法，包括 Zork 游戏。

    Jun, 2020

  • 用于规划的矢量量化模型

    使用离散自编码器来处理动作在随机环境中引起的多种可能性，再结合随机版 Monte Carlo 树搜索算法规划代理的动作和代表环境反应的离散潜变量，明显优于 MuZero 在处理随机国际象棋和 DeepMind Lab 等部分观测模型的 RL 问题中的表现。

    Jun, 2021

  • 使用浅层强化学习技术控制 Atari 游戏的现状

    本文研究深度强化学习算法 DQN 在 Atari 2600 游戏中成功的关键，并提供一种通用的表示方法，以减轻对每个游戏进行表示学习的负担，并为未来 ALE 计算机学习领域提供了可复制和可比性的基准。

    Dec, 2015

  • 物理建设的结构代理

    本文介绍的一系列具有挑战性的物理结构任务，探究了在这些任务上如何采用一系列深度强化学习代理的处理方式，并引入了多种新方法以提高性能。结果表明，使用结构化表示和结构化策略的代理比使用较少结构的代理表现更好，并且更具有推广性。同时本文还表明，将结构化表示和推理与强大的学习相结合的方法是实现丰富的直观物理、场景理解和规划代理的关键路径。

    Apr, 2019

  • 使用自然语言行动空间的深度强化学习

    本文介绍了一种新的强化学习体系架构，它是专门设计用于处理自然语言状态和动作空间，适用于文本类型游戏。该体系架构称为深度强化相关网络（DRRN），可以将动作和状态空间表示为独立的嵌入向量，并通过交互函数与 Q 函数一起拟合以实现强化学习。在两个受欢迎的文本游戏上对 DRRN 进行评估，表现优于其他深度 Q 学习体系架构。对具有不同措辞的动作描述进行的实验表明，该模型在提取意义而非仅仅是记忆文本串方面表现出色。

    Nov, 2015

  • 基于模拟的策略分析的蒙特卡罗树搜索

    本文提出使用自动规划代理来模拟不同技能水平的人来生成游戏过程，并从中收集指标以评估当前的游戏设计并确定其潜在缺陷。本文以 Scrabble 和 Cardonomicon 为案例，展示了使用模拟代理来模拟人类玩家如何从游戏中提取度量（在 Scrabble 的情况下）以及突出设计缺陷（在 Cardonomicon 的情况下）。

    Aug, 2019

  • 多智能体路径规划中基于长短时记忆的空间编码

    本文提出了一个基于强化学习的路径规划方法，可以应用到多经纬系统，通过训练一个连续状态和动作的策略网络，使其具有理想的路径规划行为，该方法通过 LSTM 模块来编码不特定数量的状态，可以扩展到具有无限数量代理和维度的情形，同时使用低成本的硬件平台进行实现。实验表明所提出的方法能成功地使 4 个自主导航的飞行器在现实世界环境中无碰撞地导航。

    Mar, 2022

  • DOM-Q-NET: 基于结构化语言的基础强化学习

    本文介绍 DOM-Q-NET，一种基于深度强化学习和图神经网络的网页导航新架构。该架构通过将 Q 函数参数化为不同行动类别的网络，解决了当前深度强化学习模型在网页导航任务中因动作空间巨大和状态之间变化的不确定性等问题的难点。结果表明，该模型在 MiniWoB 环境中可以达到或者超过现有工作，同时在多任务设置中可以提高 2 倍的样本效率。

    Feb, 2019