強化学習でマリオ

work

人工知能特論 の課題3 強化学習

2022-07-30

• マリオ1-1クリアRTA
  • DQNで以下を変えてみる
    • バッチサイズ(replay memoryから取り出すデータの個数)
    • replay memoryのサイズ(最新 N 個)
    • Fixed target QN へのパラメータ同期頻度
      • 正解が常に変動するので学習が安定しない -> 正解を一定時間固定化する
    • $ϵ$-greedy の制御(eps_controller)
    • 割引率 $\gamma$
    • 報酬(評価関数の設計)
• GitHub - Kautenja/gym-super-mario-bros: An OpenAI Gym interface to Super Mario Bros. & Super Mario Bros. 2 (Lost Levels) on The NES
  • SMBのenv
• super-mario-bros-dqn/wrappers.py at master · roclark/super-mario-bros-dqn · GitHub
  • CNNでDQNの実装

1-1の土管が超えられない

• 500ep位しか回していないので圧倒的に学習不足?
• 他動画では10000epとか回していた
• RLは1並列なので辛い

提出フォーム出来ていて, 2022-08-05 まで伸びた, やったね