arXiv (Cornell University)· 2016· Ön baskı

Derin Pekiştirmeli Öğrenme ile Sürekli Kontrol

Continuous control with deep reinforcement learning

Timothy Lillicrap, Jonathan J. Hunt, Alexander Pritzel, Nicolas Heess ve diğerleri

6.787atıf
2016yıl

Kısa özet

Model-tabanlı olmayan, yeni bir aktör-kritik algoritması olan Deterministik Politika Gradyanı (DPG), 20'den fazla simüle edilmiş fizik görevini sürekli eylem alanlarında sağlam bir şekilde çözerek planlama algoritması performansına ulaşıyor ve ham piksellerden uçtan uca öğreniyor.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

Sürekli eylem alanları için deterministik politika gradyanlarını kullanan model tabanlı olmayan, aktör-kritik bir algoritma tanıtıldı.
20'den fazla simüle edilmiş fizik görevinde (örn. cartpole, manipülasyon, yer kontrolü, sürüş) sağlam performans elde edildi.
Algoritma performansı, tam alan dinamiklerine sahip planlama algoritmalarıyla eşleşti.
Birçok görev için ham piksel girdilerinden doğrudan uçtan uca öğrenme yeteneği gösterildi.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Abstract: We adapt the ideas underlying the success of Deep Q-Learning to the continuous action domain. We present an actor-critic, model-free algorithm based on the deterministic policy gradient that can operate over continuous action spaces. Using the same learning algorithm, network architecture and hyper-parameters, our algorithm robustly solves more than 20 simulated physics tasks, including classic problems such as cartpole swing-up, dexterous manipulation, legged locomotion and car driving. Our algorithm is able to find policies whose performance is competitive with those found by a planning algorithm with full access to the dynamics of the domain and its derivatives. We further demonstrate that for many of the tasks the algorithm can learn policies end-to-end: directly from raw pixel inputs.

Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2016 · DOI ↗

ÇıkarımlarPremium

Makaleye SorÜcretsiz hesapla