atari 2600 | BriefGPT - AI 论文速递

关键词atari 2600

搜索结果 - 12

持续深度强化学习中的可塑性丧失
探讨在 Atari 2600 游戏环境中使用基于价值的强化学习方法在面对不同程度的非随机性（non-stationarity）时，其所采用的策略的丧失学习能力现象，通过对不同维度条件下的实验结果，发现这种现象与网络中激活函数的稀疏性相关，本
PDFa year ago
关于补贴驱动的 Arcade 学习环境中的探索方法
研究强化学习探索，特别是在 Atari 2600 游戏中探索 Montezuma's Revenge 等困难问题中，通过探索奖励增强等方法，评估其性能表现，其在 Montezuma's Revenge 游戏方面表现出更高的得分，但在简单探索
PDF3 years ago
AAAI使用学习的符号表示在 Atari 游戏中进行像素规划
本文介绍了一种基于宽度搜索的 Atari 2600 游戏 AI，采用宽度规划方法结合基于布尔特征集的 RolloutIW 方法，通过学习图像特征并使用 RolloutIW 输出的特征作为输入，本方法能够大幅提高 Atari 2600 游戏
PDF4 years ago
通过分集反向更新实现高样本效率的深度强化学习
本文提出了具有直接价值传播能力的一种新型深度强化学习算法 ——Episodic Backward Update (EBU)。与传统方法通过经验重放的方式使用均匀随机采样不同，我们的算法通过采样整个回合并将状态值连续传递到前一状态。我们的递归
PDF6 years ago
元梯度强化学习
通过梯度元学习算法能够在线交互并学习环境，适应 return 的性质，进而在 Atari 2600 的 57 个游戏中达到了最新的的最优表现。
PDF6 years ago
NIPS跨模态注意力技能学习器
本文介绍了一种基于 A2OC 架构的 CASL 方法，可实现多个感官输入的层次强化学习，通过在 Atari 2600 游戏中的应用，证明了该方法的有效性和可扩展性，同时也提供了开源代码。
PDF7 years ago
利用视觉先见力检测神经网络策略的对抗攻击
本文提出了一种使用基于行为条件帧预测模块的防御机制，以防止深层强化学习代理遭受到对抗攻击，该方法可以检测到对抗性示例的存在，并允许代理在受到攻击时继续执行任务，在 Atari 2600 游戏中实验结果表明，该方法能够有效检测对抗性示例并在受
PDF7 years ago
重新审视街机学习环境：通用智能体的评估协议和开放问题
该文章探讨了 Arcade Learning Environment（ALE）作为评估平台对研究社区的影响，并重点说明在该平台中评估代理时的一些核心问题。此外，该文章还提出了一些研究方法的最佳实践，并介绍了一个支持多种游戏模式的新版本 A
PDF7 years ago
学习因子策略和动作值函数：因子化动作空间表示在深度强化学习中的应用
该论文提出了一种新的学习范式，即分解学习控制策略使其在实现多个动作时只需要执行一个动作，从而取得了显著的性能提升，特别是在 Atari 2600 游戏中媲美或超过了两种 DRL 算法。
PDF7 years ago
主动采样学习多任务
提出了一个高效的多任务学习框架，该框架采用主动学习原则来解决多个目标导向任务的问题，通过对 7 个多任务实例进行测试，实现了竞争性的多任务表现。
PDF7 years ago
统一计数探索和内在动机
使用密度模型衡量不确定性，提出了一种从任意密度模型中导出虚拟计数的新算法，并将其应用于 Atari 2600 游戏中，通过将这些虚拟计数转化为内在奖励，取得了显著的改进。
PDF8 years ago
IJCAI动态帧跳跃深度 Q 网络
该论文提出了一种新的 Deep Reinforcement Learning 架构，Dynamic Frame skip Deep Q-Network (DFDQN)，它使 Frame Skip Rate 成为一个动态可学习的参数，从而能够
PDF8 years ago