Reinforecement Learning 论文及github仓库汇总

环境：

参考github：https://github.com/openai/gym

v0和v4的env差别在于有无0.25的repeat_action_probability，前者有，后者没有。

有无ram的差别在于input，是2d image(pixel) 还是1d array。更详细的解释可参考：https://stackoverflow.com/questions/45207569/how-to-interpret-the-observations-of-ram-environments-in-openai-gym

 

算法：

ppo

论文：Schulman J, Wolski F, Dhariwal P, et al. Proximal policy optimization algorithms[J]. arXiv preprint arXiv:1707.06347, 2017.（https://arxiv.org/pdf/1707.06347.pdf）

参考github：https://github.com/hill-a/stable-baselines

已尝试ppo2

 

muzero

论文：Schrittwieser J, Antonoglou I, Hubert T, et al. Mastering atari, go, chess and shogi by planning with a learned model[J]. arXiv preprint arXiv:1911.08265, 2019.（https://arxiv.org/pdf/1911.08265.pdf）

参考github：https://github.com/werner-duvaud/muzero-general

该开源项目使用了Ray，可方便的实现多机集群实验。👍

 

go-explore

原论文：Ecoffet A, Huizinga J, Lehman J, et al. Go-explore: a new approach for hard-exploration problems[J]. arXiv preprint arXiv:1901.10995, 2019.（https://arxiv.org/pdf/1901.10995.pdf）

最新论文：Ecoffet A, Huizinga J, Lehman J, et al. First return then explore[J]. arXiv preprint arXiv:2004.12919, 2020.

（https://arxiv.org/abs/2004.12919）