会员服务
强化学习 · 学成 · AIM · 设计 · AI ·
2021 年 5 月 7 日
Using reinforcement learning to design an AI assistantfor a satisfying co-op experience
翻译：利用强化学习来设计一个AI助理,以取得令人满意的协作经验
Ajay Krishnan,Niranj Jyothish,Xun Jia
Ajay Krishnan,Niranj Jyothish,Xun Jia

In this project, we designed an intelligent assistant player for the single-player game Space Invaders with the aim to provide a satisfying co-op experience. The agent behaviour was designed using reinforcement learning techniques and evaluated based on several criteria. We validate the hypothesis that an AI-driven computer player can provide a satisfying co-op experience.


翻译：在这个项目中,我们为单玩家游戏“空间入侵者”设计了一个智能助理玩家,目的是提供令人满意的共同操作经验。代理行为是利用强化学习技术设计的,并根据若干标准进行评估。我们验证了由AI驱动的计算机玩家能够提供令人满意的共同操作经验的假设。
0
下载
关闭预览

相关内容

强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
129+阅读 · 2021年6月16日
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
122+阅读 · 2020年4月19日
【Uber AI新论文】持续元学习，Learning to Continually Learn
【Uber AI新论文】持续元学习，Learning to Continually Learn
专知会员服务
35+阅读 · 2020年2月27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
176+阅读 · 2020年2月1日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
【斯坦福大学】TASO:基于深度学习优化的自动生成图变换 （TASO: Optimizing Deep Learning with Automatic Generation of Graph Substitutions），35页ppt
【斯坦福大学】TASO:基于深度学习优化的自动生成图变换 （TASO: Optimizing Deep Learning with Automatic Generation of Graph Substitutions），35页ppt
专知会员服务
9+阅读 · 2019年12月22日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+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
167+阅读 · 2019年10月11日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18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
41+阅读 · 2019年1月3日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
推荐｜深度强化学习聊天机器人（附论文）！
推荐｜深度强化学习聊天机器人（附论文）！
全球人工智能
4+阅读 · 2018年1月30日
资源｜斯坦福课程：深度学习理论！
资源｜斯坦福课程：深度学习理论！
全球人工智能
16+阅读 · 2017年11月9日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Learning and Planning in Average-Reward Markov Decision Processes
Arxiv
0+阅读 · 2021年6月28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
Q-value Path Decomposition for Deep Multiagent Reinforcement Learning
Q-value Path Decomposition for Deep Multiagent Reinforcement Learning
Arxiv
26+阅读 · 2020年2月10日
Learning When Not to Answer: A Ternary Reward Structure for Reinforcement Learning based Question Answering
Arxiv
6+阅读 · 2019年4月3日
Playing Text-Adventure Games with Graph-Based Deep Reinforcement Learning
Playing Text-Adventure Games with Graph-Based Deep Reinforcement Learning
Arxiv
5+阅读 · 2019年3月25日
Using Ternary Rewards to Reason over Knowledge Graphs with Deep Reinforcement Learning
Arxiv
3+阅读 · 2019年2月26日
An Introduction to Deep Reinforcement Learning
Arxiv
4+阅读 · 2018年12月3日
Reinforcement Learning with Perturbed Rewards
Arxiv
3+阅读 · 2018年10月5日
Accelerated Reinforcement Learning
Arxiv
6+阅读 · 2018年4月24日
Reinforcement Learning based Recommender System using Biclustering Technique
Arxiv
5+阅读 · 2018年1月17日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
强化学习
学成
AIM
设计
AI
相关VIP内容
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
深度学习优化算法，73页ppt，Optimization Algorithms on Deep Learning
专知会员服务
129+阅读 · 2021年6月16日
可解释强化学习，Explainable Reinforcement Learning: A Survey
可解释强化学习，Explainable Reinforcement Learning: A Survey
专知会员服务
126+阅读 · 2020年5月14日
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
【基于模型的强化学习的博弈论框架】A Game Theoretic Framework for Model Based Reinforcement Learning
专知会员服务
122+阅读 · 2020年4月19日
【Uber AI新论文】持续元学习，Learning to Continually Learn
【Uber AI新论文】持续元学习，Learning to Continually Learn
专知会员服务
35+阅读 · 2020年2月27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
176+阅读 · 2020年2月1日
【斯坦福大学】Gradient Surgery for Multi-Task Learning
【斯坦福大学】Gradient Surgery for Multi-Task Learning
专知会员服务
45+阅读 · 2020年1月23日
【斯坦福大学】TASO:基于深度学习优化的自动生成图变换 （TASO: Optimizing Deep Learning with Automatic Generation of Graph Substitutions），35页ppt
【斯坦福大学】TASO:基于深度学习优化的自动生成图变换 （TASO: Optimizing Deep Learning with Automatic Generation of Graph Substitutions），35页ppt
专知会员服务
9+阅读 · 2019年12月22日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
53+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
167+阅读 · 2019年10月11日
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
【人工智能在2019：一年回顾】反人工智能，AI in 2019: A Year in Review
专知会员服务
79+阅读 · 2019年10月10日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18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
41+阅读 · 2019年1月3日
Hierarchical Imitation - Reinforcement Learning
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
推荐｜深度强化学习聊天机器人（附论文）！
推荐｜深度强化学习聊天机器人（附论文）！
全球人工智能
4+阅读 · 2018年1月30日
资源｜斯坦福课程：深度学习理论！
资源｜斯坦福课程：深度学习理论！
全球人工智能
16+阅读 · 2017年11月9日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
强化学习族谱
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
相关论文
Learning and Planning in Average-Reward Markov Decision Processes
Arxiv
0+阅读 · 2021年6月28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
Q-value Path Decomposition for Deep Multiagent Reinforcement Learning
Q-value Path Decomposition for Deep Multiagent Reinforcement Learning
Arxiv
26+阅读 · 2020年2月10日
Learning When Not to Answer: A Ternary Reward Structure for Reinforcement Learning based Question Answering
Arxiv
6+阅读 · 2019年4月3日
Playing Text-Adventure Games with Graph-Based Deep Reinforcement Learning
Playing Text-Adventure Games with Graph-Based Deep Reinforcement Learning
Arxiv
5+阅读 · 2019年3月25日
Using Ternary Rewards to Reason over Knowledge Graphs with Deep Reinforcement Learning
Arxiv
3+阅读 · 2019年2月26日
An Introduction to Deep Reinforcement Learning
Arxiv
4+阅读 · 2018年12月3日
Reinforcement Learning with Perturbed Rewards
Arxiv
3+阅读 · 2018年10月5日
Accelerated Reinforcement Learning
Arxiv
6+阅读 · 2018年4月24日
Reinforcement Learning based Recommender System using Biclustering Technique
Arxiv
5+阅读 · 2018年1月17日
Top
微信扫码咨询专知VIP会员
Top