与“超级马里奥”一起强化学习

文章预览

强化学习技术的发展旨在实现有效的应用，但目前还相对有限。 想象一台电脑如同儿时的我们，紧盯屏幕中灵活的马里奥，在游戏世界上下探索，通过不断学习和尝试，电脑更快地掌握了通关秘诀，逐渐碾压我们并成为游戏中的常胜将军。这就是在“强化学习”的帮助下，机器在现实世界已然达成的目标。 强化学习像是一个从零开始学习的机器人，它通过与环境的交互，不断积累经验，逐渐成为某个领域的专家。其包含智能体、环境、状态、动作、奖励值、状态转移、轨迹、回报8个基本概念。以超级马里奥游戏为例，智能体是马里奥；环境是游戏程序；状态是当前屏幕或最近几帧的画面；动作是马里奥向左、向右走或向上跳等；吃到金币可定义为奖励值“+1”，通关可定义为奖励值“+1000”，在数学上，我们通常用Rt表示第t时刻获得的奖励值；状 ………………………………