arXiv cs.AI· Abhijeet Krishnan, Colin M. Potts, Arnav Jhala, Harshad Khadilkar, Shirish Karande, Chris Martens·· 11 小时前AI 评分22
让 RL 智能体学会可解释的复杂游戏策略表示
Learning Explainable Representations of Complex Game-playing Strategies
AI 导读
研究者提出一种类似人类认知的方法，训练 RL 智能体将学到的策略与策略网络合成为基于对局动作序列的可执行程序，并自动学习这类程序来下国际象棋和求解网格环境任务。实验显示，学到的策略能产生有效动作，且可从对局数据中学习。
来源：arXiv cs.AI · arxiv.org