Learning to Play Hard Exploration Games Using Graph-guided Self-navigation

doi:无

	Learning to Play Hard Exploration Games Using Graph-guided Self-navigation
	Zhao EM(赵恩民)1,2 ; Yan RY(闫仁业)1,2; Li K(李凯)1 ; Li LJ(李丽娟)1 ; Xing JL(兴军亮)1,2
	2021-02
会议名称	International Joint Conference on Neural Networks
会议日期	2021-02
会议地点	线上
摘要	Thisworkconsiderstheproblemofdeeprein- forcementlearning(RL)withlongtimedependenciesands- parserewards,asarefoundinmanyhardexplorationgames. Agraph-basedrepresentationisproposedtoallowanagent toperformself-navigationforenvironmentalexploration.The graphrepresentationnotonlyeffectivelymodelstheenvironment structure,butalsoefﬁcientlytracestheagentstatechangesand thecorrespondingactions.Byencouragingtheagenttoearna newinﬂuence-basedcuriosityrewardfornewgameobservations, thewholeexplorationtaskisdividedintosub-tasks,whichare effectivelysolvedusingauniﬁeddeepRLmodel.Experimental evaluationsonhardexplorationAtariGamesdemonstratethe effectivenessoftheproposedmethod.Thesourcecodeand learnedmodelswillbereleasedtofacilitatefurtherstudieson thisproblem.
学科领域	信息科学与系统科学
学科门类	工学
DOI	无
收录类别	EI
语种	英语
是否为代表性论文	否
七大方向——子方向分类	机器学习
国重实验室规划方向分类	开放博弈基础理论
是否有论文关联数据集需要存交	否
引用统计
文献类型	会议论文
条目标识符	http://ir.ia.ac.cn/handle/173211/52241
专题	复杂系统认知与决策实验室_决策指挥与体系智能
通讯作者	Xing JL(兴军亮)
作者单位	1.Institute of Automation, Chinese Academy of Sciences 2.SchoolofArtiﬁcialIntelligence,UniversityofChineseAcademyofSciences
第一作者单位	中国科学院自动化研究所
通讯作者单位	中国科学院自动化研究所
推荐引用方式 GB/T 7714	Zhao EM,Yan RY,Li K,et al. Learning to Play Hard Exploration Games Using Graph-guided Self-navigation[C],2021.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
IJCNN.pdf（413KB）	会议论文		开放获取	CC BY-NC-SA	浏览下载