【强化学习】开源 | NetHack学习环境NLE：一个可扩展的、程序生成的、随机的、丰富的、具有挑战性的RL研究环境

备注：研究方向+地点+学校/公司+昵称，更快通过申请，长按加细分领域技术交流群，目前有细分领域：图像分割、图像目标检测、论文写作、车道检测、模型优化、目标跟踪、SLAM、点云处理（分割检测）、深度学习。

获取完整原文和代码，公众号回复：09051252676

论文地址： http://arxiv.org/pdf/2006.13760v2.pdf

代码： 公众号回复：09051252676

来源： Facebook AI Research，University of Oxford，New York University

论文名称：The NetHack Learning Environment

原文作者：Heinrich Küttler

内容提要

强化学习(RL)算法的进展与挑战环境的发展齐头并进，这些环境测试了当前方法的局限性。虽然现有的RL环境要么足够复杂，要么基于快速模拟，但它们很少两者兼得。在这里，我们呈现了NetHack学习环境(NLE)，这是一个可扩展的、程序生成的、随机的、丰富的、具有挑战性的RL研究环境，基于流行的基于终端的单人roguelike游戏NetHack。我们认为，NetHack的复杂性足以推动探索、规划、技能习得和语言条件下的RL等问题的长期研究，同时大大减少了收集大量经验所需的计算资源。我们将NLE及其任务套件与现有的替代方案进行比较，并讨论为什么它是测试RL代理的稳健性和系统泛化的理想媒介。我们通过使用分布式Deep RL基线和随机网络蒸馏探索，以及对环境中训练的各种agent进行定性分析，证明了游戏早期阶段的经验成功。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请加上文微信联系删除。