Transfer wiedzy w nauce gier tekstowych na przyk ladzie DRRN i TextWorld

Abstract

Cele naukowe pracy obejmuj , a zbadanie wybranych metod transferu wiedzy w problemie rozwiązywania gier tekstowych przy pomocy uczenia przez wzmacnianie. Gry tekstowe są złożonym środowiskiem o przestrzeni akcji i stanów określonej przez język naturalny. W pracy wykorzystano oprogramowanie badawcze TextWorld [10] (Microsoft) do stworzenia zbioru gier tekstowych, a następnie sprawdzono efektywność klasycznego transferu wag oraz zmodyfikowanej wersji Kickstartingu [42], dostosowanej do Q-learning [47]. Przedstawione metody wymagały treningu dwóch typów agentów: uczniów i nauczycieli. Nauczyciel, trenowany na zbiorze prostych gier, nadzoruje ucznia w nauce gier trudnych. Agenci oparci są o architekturę sieci neuronowej DRRN [22]. Zbadano cztery schematy metody transferu wiedzy, w tym dwie oryginalne. Wyniki eksperymentalne zostały poddane analizie; zarysowano również plan dalszych badań.