如何解决培训代理探索未知环境无法正常工作
在阅读有关RL“深度强化学习动手实践”的书时,Maxim Lapan尝试创建自己的代理和环境。问题是我的经纪人似乎训练不正确。 我想创建一个可以自动(以最有效的方式)探索室内建筑物的代理。为此,我创建了一个类似于Gym(且兼容)的环境,以下是这些特征:
- 尺寸:100像素x 100像素
- 在每次重置时使用二进制空间分区随机生成 算法(从此处开始: https://arcade.academy/examples/procedural_caves_bsp.html)
- 所有都是灰度的
- 墙壁像素对应的值为0
- 代理(3x3像素正方形)的值为192
- 空白像素的值为255
- 探索的像素值为64
- 对于每个动作(上,下,左,右),座席将移动1个像素
我将奖励限制在-1和1之间,例如:
- 如果代理探索新像素:+1.0
- 如果代理未探索新像素:-0.1
- 如果特工撞墙:-1.0
获胜条件是,如果探员探索了至少98%的像素,并且获得了+1的奖励。否则,如果代理在8000帧内没有探索新的像素,它将失去作用。
编辑:我认为我做错了一件事情,就是在剧集中给予特工奖励。所以我在做奖励塑造时却不知道它到底是什么。据我了解,这可能很棘手,而且很难正确地做到。 我将尝试仅在情节结束时给予奖励(在情节中为0),如果特工撞墙,则基本上结束奖励,总奖励将是命中的“特殊点数”。我将尝试对此进行各种更改,以查看是否可以让代理学习一些东西。
我使用射线投射来模拟代理人的视野。它以黑屏开始,墙壁会自动以X像素的半径显示在代理周围(如果光线未被墙壁遮挡)。
我尝试使用具有不同增强功能的DQN,这些代码来自本书作者https://github.com/PacktPublishing/Deep-Reinforcement-Learning-Hands-On-Second-Edition/tree/master/Chapter08
神经网络的模型如下:
(0): Conv2d(1,32,kernel_size=(8,8),stride=(4,4))
(1): ReLU()
(2): Conv2d(32,64,kernel_size=(4,4),stride=(2,2))
(3): ReLU()
(4): Conv2d(64,kernel_size=(3,3),stride=(1,1))
(5): ReLU()
(0): Linear(in_features=5184,out_features=512,bias=True)
(1): ReLU()
(2): Linear(in_features=512,out_features=4,bias=True)
输入到神经网络:
- 环境的1帧:从[0,255]标准化的[1,1,100,100] 到[0,1]
(我没有使用帧堆叠,因为除了每个状态的代理外,没有移动的对象)
超参数(对于具有重放缓冲区和目标网络的基本DQN):
- lr:1e-3
- 重播大小:800000(我可以用公羊做的最大大小)
- 重播开始大小:50000
- 同步目标网络:10000
- Epsilon从1.0开始,在一百万帧后结束于0.1
- 伽玛:0.99
- 批次大小:32
我尝试了两件事来迫使特工探索:
- 保持先前指定的环境,并希望 奖赏以及座席从彩色编码中获得的反馈 “探索像素”就足够了。
- 删除探索像素的颜色和奖励并添加特殊内容 像素(1像素x 1像素)的灰度值128。代理每次点击 像素将获得+1的奖励(例如苹果或吃豆人中的点数, 蛇等),击中这些特殊像素就会消失。试图迫使代理商寻求和探索找到 这些特殊点。如下所示:
问题在于代理似乎没有学会探索环境。通过epsilon添加的随机性(或使用Noizy Layers产生的噪声)可获得更好的分数。但是在那之后,特工似乎越来越少探索,最后大多陷于困境。与特殊点相同,它似乎并没有尝试得到它们。我尝试了不同的超参数/奖励,尝试了基本的DQN,添加了增强功能(N步,噪声层,Double DQN,Dueling等)。我运行的代码从几个小时到10个小时不等(在2080超级计算机上)。
所以我想知道我的想法是否可能有问题,如何寻求代理商的探索,也许奖励是错误的(我尝试过改变这些),也许我缺少一些东西让代理商进行探索地图。另外,我并没有真正接触模型的网络,可能需要添加更多的图层?也许我上面提供的信息有问题。另外,我知道更好的方法还有A2C,A3C,PPO等。但是我的环境与DQN可以解决的ATARI游戏并没有什么不同。
如果您有任何想法...
谢谢!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。