Training Unity Machine Learning Agents using reinforcement learning method

2019

Закрытый доступ Метаданные (CSL-JSON)
DOI 10.1109/icecco48375.2019.9043194
Достоверность данных 70 средняя
Как считается эта оценка

Складывается из проверяемых признаков самой записи: есть ли у статьи DOI, сколько независимых источников подтвердили её данные, заполнены ли обязательные поля и насколько свежо последнее подтверждение. Снижают оценку расхождения между источниками и отсутствие идентификатора. Значение от 80 означает, что запись опубликована без дополнительной проверки; от 60 до 79 — что она опубликована с пониженной достоверностью и ручная проверка желательна. Запись, выверенную редактором вручную, пересчёт не опускает ниже 90. Это оценка наших данных о статье, а не оценка самой статьи.

Аннотация

This study aims to provide research of Machine Learning tools combined with Unity platform, to develop several Machine Learning Agents in various environments using multiple environment configurations and training scenarios. This work introduces a single competitive agent environment where the agent compete with simulated physics in a 3D world. Although the rules of the environment are generally basic, the trained agent learns a wide variety of interesting and complex solutions.