会员服务
学成 · 强化学习 · 超参数 · 原点 · 人工智能 ·
2021 年 3 月 2 日
Multi-agent Reinforcement Learning in OpenSpiel: A Reproduction Report
翻译：Openspiel 中多剂强化学习:复制报告
Michael Walton,Viliam Lisy
Michael Walton,Viliam Lisy

In this report, we present results reproductions for several core algorithms implemented in the OpenSpiel framework for learning in games. The primary contribution of this work is a validation of OpenSpiel's re-implemented search and Reinforcement Learning algorithms against the results reported in their respective originating works. Additionally, we provide complete documentation of hyperparameters and source code required to reproduce these experiments easily and exactly.


翻译：在本报告中,我们介绍了在OpenSpiel游戏学习框架中实施的若干核心算法的结果复制情况,这项工作的主要贡献是对OpenSpiel重新实施的搜索和强化学习算法进行验证,使其与各自原创作品中所报告的结果相对照。此外,我们还完整地记录了为方便和准确地复制这些实验所需的超参数和源代码。
0
下载
关闭预览

相关内容

【ICML2020-伯克利】稳定非策略强化学习的表示，Representations for Stable Off-Policy Reinforcement Learning
【ICML2020-伯克利】稳定非策略强化学习的表示，Representations for Stable Off-Policy Reinforcement Learning
专知会员服务
16+阅读 · 2020年7月14日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
40+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【强化学习资源集合】Awesome Reinforcement Learning
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
94+阅读 · 2019年12月23日
新书分享：强化学习最新书稿《强化学习导论》（Reinforcement Learning An Introduction）第二版出炉
新书分享：强化学习最新书稿《强化学习导论》（Reinforcement Learning An Introduction）第二版出炉
专知会员服务
114+阅读 · 2019年10月25日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
81+阅读 · 2019年10月9日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
spinningup.openai 强化学习资源完整
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
DisCo RL: Distribution-Conditioned Reinforcement Learning for General-Purpose Policies
DisCo RL: Distribution-Conditioned Reinforcement Learning for General-Purpose Policies
Arxiv
0+阅读 · 2021年4月23日
Deep Graph Structure Learning for Robust Representations: A Survey
Arxiv
20+阅读 · 2021年3月4日
Transfer Learning in Deep Reinforcement Learning: A Survey
Transfer Learning in Deep Reinforcement Learning: A Survey
Arxiv
23+阅读 · 2020年9月16日
CURL: Contrastive Unsupervised Representations for Reinforcement Learning
Arxiv
17+阅读 · 2020年4月28日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Learning to Walk via Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年12月26日
Deep Reinforcement Learning: An Overview
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Reinforcement Learning with Perturbed Rewards
Arxiv
3+阅读 · 2018年10月5日
Mean Field Multi-Agent Reinforcement Learning
Arxiv
5+阅读 · 2018年6月12日
Efficient end-to-end learning for quantizable representations
Arxiv
4+阅读 · 2018年6月12日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
学成
强化学习
超参数
原点
人工智能
相关VIP内容
【ICML2020-伯克利】稳定非策略强化学习的表示，Representations for Stable Off-Policy Reinforcement Learning
【ICML2020-伯克利】稳定非策略强化学习的表示，Representations for Stable Off-Policy Reinforcement Learning
专知会员服务
16+阅读 · 2020年7月14日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
40+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
178+阅读 · 2020年2月1日
【强化学习资源集合】Awesome Reinforcement Learning
【强化学习资源集合】Awesome Reinforcement Learning
专知会员服务
94+阅读 · 2019年12月23日
新书分享：强化学习最新书稿《强化学习导论》（Reinforcement Learning An Introduction）第二版出炉
新书分享：强化学习最新书稿《强化学习导论》（Reinforcement Learning An Introduction）第二版出炉
专知会员服务
114+阅读 · 2019年10月25日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
强化学习最新教程，17页pdf
强化学习最新教程，17页pdf
专知会员服务
174+阅读 · 2019年10月11日
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
【CMU卡内基梅隆大学】深度学习在计算机视觉的应用：方法，解释，因果与公平性
专知会员服务
81+阅读 · 2019年10月9日
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
【加州大学伯克利分校博士论文】通过自我监督预测学习泛化
专知会员服务
64+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Successor representations 强化学习表示的生物学启发
Successor representations 强化学习表示的生物学启发
CreateAMind
6+阅读 · 2019年9月5日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
spinningup.openai 强化学习资源完整
spinningup.openai 强化学习资源完整
CreateAMind
6+阅读 · 2018年12月17日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
强化学习 cartpole_a3c
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
相关论文
DisCo RL: Distribution-Conditioned Reinforcement Learning for General-Purpose Policies
DisCo RL: Distribution-Conditioned Reinforcement Learning for General-Purpose Policies
Arxiv
0+阅读 · 2021年4月23日
Deep Graph Structure Learning for Robust Representations: A Survey
Arxiv
20+阅读 · 2021年3月4日
Transfer Learning in Deep Reinforcement Learning: A Survey
Transfer Learning in Deep Reinforcement Learning: A Survey
Arxiv
23+阅读 · 2020年9月16日
CURL: Contrastive Unsupervised Representations for Reinforcement Learning
Arxiv
17+阅读 · 2020年4月28日
Optimization for deep learning: theory and algorithms
Optimization for deep learning: theory and algorithms
Arxiv
104+阅读 · 2019年12月19日
Learning to Walk via Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年12月26日
Deep Reinforcement Learning: An Overview
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Reinforcement Learning with Perturbed Rewards
Arxiv
3+阅读 · 2018年10月5日
Mean Field Multi-Agent Reinforcement Learning
Arxiv
5+阅读 · 2018年6月12日
Efficient end-to-end learning for quantizable representations
Arxiv
4+阅读 · 2018年6月12日
Top
微信扫码咨询专知VIP会员
Top