深度强化学习

Question

我正在使用深度强化学习方法来引导代理从一个初始点到目标点。场景中还有其他特工和障碍物。

我的第一个问题是神经网络的输入将会有什么。

这些是我在初始场景中所知道的元素：

1. 代理的位置和初始速度。
2. 其他代理的位置
3. 障碍物的位置

在其他情况下，我读到神经网络的输入是图像（可能使用传感器），但就我而言，我不想使用视觉传感器。

2.我发现在强化学习算法中，数据集不是预先生成的，而是我们在训练时模拟数据。

我没有找到如何利用上面提到的 3 个元素创建数据集。

Answer 1

1. 神经网络的输入：可以是您认为有助于代理决策的任何特征

2. 您可以通过为每个动作生成奖励来模拟数据。奖励可以是正的或负的，它将作为神经网络的目标。经过多次训练后，您的代理将学会采取具有高回报奖励的行动。