drl dodgeball:一个简单的躲避球环境和DDQN代理提供课程学习和优先级的经验重播 源码

DRL躲避球 DRL(深度强化学习)已导致创建具有令人着迷的复杂和智能行为的代理,特别是在和等计算机游戏领域。 一个令人兴奋的研究领域是开发最终部署到物理机器人中的数字代理,OpenAI的演示了一项任务,该任务需要高保真训练环境。 在这个项目中,我们设计了具有高维感官数据源的物理逼真的模拟,并在其中使用完善的深层Q网络训练了代理。 档案 火车 用于培训的主文件,目前正在使用精制DQN培训代理商 命令:“ py train.py” train_DQN.py 使用精致的DQN在Unity环境下培训代理 命令:“ py train_DQN.py” train_DoubleDQN.py 使用D