algorithm - 操作性条件反射算法？

Question

为代理实施实时操作性条件反射（基于监督奖励/惩罚的学习）的最佳方法是什么？我应该使用神经网络（以及什么类型）？或者是其他东西？

我希望代理能够接受训练，像狗一样遵循命令。这些命令将以触摸屏上的手势形式出现。我希望代理能够接受训练以遵循路径（在连续的 2D 空间中），根据命令进行行为更改（由 FSM 状态转换建模），并执行一系列动作。

代理将处于模拟的物理环境中。

Answer 1

强化学习是一个很好的机器学习算法来解决你的问题。

基本的强化学习模型包括：

• 一组环境状态S（你有一个以某种方式离散的二维空间，这是狗的当前位置，如果你想做连续的二维空间，你可能需要一个神经网络来作为值函数映射器。）
• 一组动作A（你提到狗执行一系列动作，例如移动、旋转）
• 状态之间的转换规则（你的狗的位置转换可以通过 FSM 建模）
• 确定r转换的标量立即奖励的规则（到达目标位置时，您可能希望给狗一个大奖励，而中间里程碑也欢迎小奖励）
• 描述代理观察的规则。（狗的视野可能有限，例如，只能看到 4 或 8 个相邻单元格，下图是显示狗的当前位置P和狗可以看到的 4 个相邻单元格的示例。）

要找到最优策略，您可以从无模型技术 - q-learning开始。