标签：bsuite 环境 Behaviour credit 算法 设计 RL Suite reward

发表时间：2020（ICLR 2020）
文章要点：这篇文章设计了一个工具用来分析RL agent的各种能力，比如有没有记忆功能，泛化性如何，探索能力强不强，credit assignment做得怎么样，对reward scale稳不稳健等等，然后自动生成一个pdf的测试报告，让你以后写paper可以直接放在附录做appendix。设计的思路就是专门针对某个具体问题来设计一些环境（比如你想测credit assignment，就设计一个序列很长的环境，只在最后有一个reward，并且最后的reward只和你在第一个状态做的动作有关），然后你设计的算法在这上面跑，完了就生成这个算法的实验结果。有点像RL界的单元测试。目前的环境貌似还很简单，都是bandit,cartpole,deep sea这种toy environment的感觉。可能在前期设计和调整算法的时候，先在这样的简单环境上测试一下，方便调试。
总结：有点那个意思了，就是想分析算法各个方面的能力，但是环境还是太简单，测试的维度还比较少，不一定就真的能反应出问题。
疑问：无

标签：bsuite,环境,Behaviour,credit,算法,设计,RL,Suite,reward
来源： https://www.cnblogs.com/initial-h/p/15047195.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。