MinAtar: An Atari-Inspired Testbed for Thorough and Reproducible Reinforcement Learning Experiments

本文主要是介绍MinAtar: An Atari-Inspired Testbed for Thorough and Reproducible Reinforcement Learning Experiments，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

发表时间：2019
文章要点：这篇文章做了一个简化版的Atari。现在的Atari game还是太慢了，大家做实验基本上都跑不超过5个随机种子，实验说服力不够。这篇文章搞了个简化版，输入只有1010n的binary的表征,其中n表示channel（n channels corresponding to game specific objects）。动作从原来的18个缩小到6个。Rewards只有0或者1。当前包含五个游戏Seaquest, Breakout, Asterix, Freeway and Space Invaders。作者在上面测了DQN和AC

总结：很有意义的事情，确实可以节省很多计算时间。不过目前还很简陋，游戏比较少，而且功能只有最基本的。比如没有clone_state, restore_state的API，没法恢复状态，做model-based 算法或者planning的话，只能用deepcopy。
疑问：无。

这篇关于MinAtar: An Atari-Inspired Testbed for Thorough and Reproducible Reinforcement Learning Experiments的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！