Continuous control with deep reinforcement learning

Continuous control with deep reinforcement learning

Timothy P. Lillicrap,Jonathan J. Hunt,Alexander Pritzel,Nicolas Heess,Tom Erez,Yuval Tassa,David Silver,Daan Wierstra

(Submitted on 9 Sep 2015)

We adapt the ideas underlying the success of Deep Q-Learning to the continuous action domain. We present an actor-critic, model-free algorithm based on the deterministic policy gradient that can operate over continuous action spaces. Using the same learning algorithm, network architecture and hyper-parameters, our algorithm robustly solves more than 20 simulated physics tasks, including classic problems such as cartpole swing-up, dexterous manipulation, legged locomotion and car driving. Our algorithm is able to find policies whose performance is competitive with those found by a planning algorithm with full access to the dynamics of the domain and its derivatives. We further demonstrate that for many of the tasks the algorithm can learn policies end-to-end: directly from raw pixel inputs.

我們適應(yīng)深Q學(xué)習(xí)到連續(xù)動作領(lǐng)域的成功背后的想法框舔。我們提出了一種基于確定性的政策梯度娜亿,可以通過連續(xù)的動作空間運(yùn)行一個演員,評論家稻轨,無模型算法脐恩。使用相同的學(xué)習(xí)算法,網(wǎng)絡(luò)架構(gòu)和超參數(shù),我們的算法穩(wěn)健地解決了20多個模擬物理任務(wù)差油,包括經(jīng)典的問題,如cartpole擺起任洞,靈巧的操控蓄喇,腿運(yùn)動和汽車駕駛。我們的算法是能夠找到的政策交掏,其性能與那些由規(guī)劃算法具有完全訪問域及其衍生物的動態(tài)發(fā)現(xiàn)有競爭力的妆偏。我們進(jìn)一步證明,對許多任務(wù)的算法可以學(xué)習(xí)政策結(jié)束到終端:直接從原始像素的輸入盅弛。

Deepmind把之前游戲玩得不錯的DQN模式推廣到動作空間是高維和連續(xù)的情形钱骂。為避免在每一步對動作進(jìn)行優(yōu)化,本文采用基于確定策略梯度的Actor-Critic方法挪鹏,在20多個模擬物理任務(wù)中取得了不錯的效果见秽。


Comments:10 pages + supplementary

Subjects:Learning (cs.LG); Machine Learning (stat.ML)

Cite?as:arXiv:1509.02971[cs.LG]

(orarXiv:1509.02971v1[cs.LG]for this version)

Download:

PDF

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市讨盒,隨后出現(xiàn)的幾起案子张吉,更是在濱河造成了極大的恐慌,老刑警劉巖催植,帶你破解...
    沈念sama閱讀 223,126評論 6 520
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件肮蛹,死亡現(xiàn)場離奇詭異,居然都是意外死亡创南,警方通過查閱死者的電腦和手機(jī)伦忠,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,421評論 3 400
  • 文/潘曉璐 我一進(jìn)店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來稿辙,“玉大人昆码,你說我怎么就攤上這事。” “怎么了赋咽?”我有些...
    開封第一講書人閱讀 169,941評論 0 366
  • 文/不壞的土叔 我叫張陵旧噪,是天一觀的道長。 經(jīng)常有香客問我脓匿,道長淘钟,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,294評論 1 300
  • 正文 為了忘掉前任陪毡,我火速辦了婚禮米母,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘毡琉。我一直安慰自己铁瞒,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 69,295評論 6 398
  • 文/花漫 我一把揭開白布桅滋。 她就那樣靜靜地躺著慧耍,像睡著了一般。 火紅的嫁衣襯著肌膚如雪丐谋。 梳的紋絲不亂的頭發(fā)上蜂绎,一...
    開封第一講書人閱讀 52,874評論 1 314
  • 那天,我揣著相機(jī)與錄音笋鄙,去河邊找鬼。 笑死怪瓶,一個胖子當(dāng)著我的面吹牛萧落,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播洗贰,決...
    沈念sama閱讀 41,285評論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼找岖,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了敛滋?” 一聲冷哼從身側(cè)響起许布,我...
    開封第一講書人閱讀 40,249評論 0 277
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎绎晃,沒想到半個月后蜜唾,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,760評論 1 321
  • 正文 獨居荒郊野嶺守林人離奇死亡庶艾,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,840評論 3 343
  • 正文 我和宋清朗相戀三年袁余,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片咱揍。...
    茶點故事閱讀 40,973評論 1 354
  • 序言:一個原本活蹦亂跳的男人離奇死亡颖榜,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情掩完,我是刑警寧澤噪漾,帶...
    沈念sama閱讀 36,631評論 5 351
  • 正文 年R本政府宣布,位于F島的核電站且蓬,受9級特大地震影響欣硼,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜缅疟,卻給世界環(huán)境...
    茶點故事閱讀 42,315評論 3 336
  • 文/蒙蒙 一分别、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧存淫,春花似錦耘斩、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,797評論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至岩饼,卻和暖如春荚虚,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背籍茧。 一陣腳步聲響...
    開封第一講書人閱讀 33,926評論 1 275
  • 我被黑心中介騙來泰國打工版述, 沒想到剛下飛機(jī)就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人寞冯。 一個月前我還...
    沈念sama閱讀 49,431評論 3 379
  • 正文 我出身青樓渴析,卻偏偏與公主長得像,于是被迫代替她去往敵國和親吮龄。 傳聞我的和親對象是個殘疾皇子俭茧,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,982評論 2 361

推薦閱讀更多精彩內(nèi)容