DRL应用实战（三）——AI奥林匹克·相扑RL智能体高分方案【附代码】

已于 2022-10-16 16:53:58 修改
阅读量653 收藏
点赞数 1
分类专栏： 深度强化学习极简入门与Pytorch实战 文章标签： 人工智能 强化学习 PPO AI奥林匹克 相扑
于 2022-10-16 16:51:43 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/keypig_zz/article/details/127005510
版权
本文介绍了在AI奥林匹克·相扑比赛中，结合规则智能体和RL（PPO）智能体的策略。通过手动特征提取、环境封装和训练，智能体试图通过PPO算法学习最优行为。尽管经过2M次训练，智能体的胜率仍不足20%，可能的原因包括奖励设计、特征信息不足、网络结构简单或训练样本不够。作者分享了代码链接，邀请读者尝试改进。
摘要由CSDN通过智能技术生成
  • RLChina 智能体挑战赛 - 壬寅年秋赛季(2022.08.23-2022.10.23)
  • 比赛内容：AI奥林匹克·相扑游戏
  • 参赛思路：规则智能体+RL智能体

文章目录

游戏规则

在这里插入图片描述

“奥林匹克 相扑”规则（可参考科目-奥林匹克 相扑）：

  • 本游戏共有两方，对战双方各控制一个
了解本专栏 订阅专栏 解锁全文
二向箔不会思考
关注
专栏目录
订阅专栏
DRL应用实战（二）——“AI奥林匹克”RL智能体获奖方案【代码下载链接见文末】
二向箔
05-16 1357
【引言】是骡子是马，拉出来遛遛。 报名参加了中国科学院自动化研究所举办的“奥林匹克 综合”的人工智能比赛。这是一个侧重于强化学习智能体开发的比赛。相比于机器学习比赛，强化学习智能体开发赛最近一两年才出现。上个月参加了一次，拿了前五。现在再次参加一个更有挑战的RL比赛，练练手，本文就作为参赛记录吧。——2022.05.16 文章目录中英文术语对照表1 赛题1.1 比赛背景1.2 比赛科目1.3 参赛方式1.4 参赛步骤1.5 奖项设置1.6 赛程安排1.7 具体赛程1.8 参赛资料2 比赛记录2.1 热.
DRL应用实战（一）——开发德州扑克RL智能体【附代码】
二向箔
05-30 629
背景： 德扑智能体比赛：http://www.jidiai.cn/compete_detail?compete=20，奖金1w。 特点：自己开发的智能体能够在线和别人的智能体对战。 1 pettingzoo德州扑克-无限制版 游戏规则 观测空间：一个54维的向量，每一维取值为0或1，1表示出现，0表示没出现。 索引 含义 取值 0~12 黑桃A~K [0,1] 13~25 黑桃A~K [0,1] 26~38 黑桃A~K [0,1] 39~51 玩家1所有下注 [0,1] .
scratch编程项目源代码文件案例素材-相扑.zip
05-16
scratch编程项目源代码文件案例素材-相扑.zip
智能体（Agent）大模型时代的AI革新者
xiangxueerfei的博客
05-31 930
智能体（Agent）作为大模型时代的AI革新者，正逐步从概念走向现实。它们不仅能够扩展大模型的能力，更能够与人类紧密协作，共同创造更加智能的未来。
RLChina 智能体挑战赛 - 壬寅年冬赛季(桌面曲棍球)
qq_1300258993的博客
01-06 648
记录第一次RL比赛，正赛第二，环境介绍在本次RLChina 智能体挑战赛 - 壬寅年冬赛季中，采用的比赛环境是奥林匹克桌面曲棍球。简而言之双方球员从自己球门出生点出发，将出生在中轴线的曲棍球击入对方球门即可得分。下面具体介绍坏境的细节。map本游戏共有两方，对战双方各控制一个有相同质量为1和半径为20的弹性小球智能体。智能体可以互相碰撞，也可以碰撞墙壁，但根据墙面摩擦系数会损失一定的速度；比赛场地为一个400*480长方形桌面，在桌面的左右两端设置有感应球门线；
RL 实践（0）—— 及第平台辛丑年冬赛季【Rule-based policy】
佚失的诗篇
06-24 1691
RLChina 智能体挑战赛 - 辛丑年冬赛季的冠军代码复现报告
相扑逻辑死信队列lambda
03-01
Terraflops Terraform模块 模组名称 创建所需的Lambda，IAM角色，IAM策略，SQS队列，Sumologic HTTP Source和Cloudwatch LogGroup，以将日志流式传输到Sumologic 用法示例 module "cloudwatch_logs" { source = "git::https://github.com/TerraFlops/sumo-logic-cloudwatch?ref=v1.0" name = "sumologic-cloudwatch" description = "sumologic-cloudwatch" collector_id = "108160862" log_groups = { SandboxFlowLogs = { filter_pattern = ""
DRL深度强化学习代码实战1——MountainCar-v0小车成功登顶
各位大计佬，请教我技术！
05-12 1923
DRL代码实战1——如果你是刚刚接触DRL的同学，那么本文的内容就是引你入胜的第一个小实验。DRL的学习离不开理论知识，但更不能缺少代码实践！
DRL基础（十二）——近端策略优化算法PPO【附代码】
二向箔
09-14 1679
2016年10月OpenAI公司发布了《Dota2》强化学习游戏智能体OpenAI Five，并且经过多年的开发训练后战胜了当时的世界冠军团队OG，技术细节可以看发表的论文。OpenAI Five的核心算法是PPO，一种称为近端策略优化的算法，属于策略梯度算法的一种。OpenAI Five和PPO的成功大大增加了AI研究者对强化学习解决复杂问题的信心，PPO也成为使用强化学习解决各类问题的一个基准算法。 PPO属于策略梯度算法，即通过求解强化学习问题中目标函数的梯度，利用梯度提升的方法训练强化学习智能体。这
DRL基础（十一）——策略梯度方法REINFORCE【附代码】
二向箔
09-05 1014
讲解策略梯度基本理论 讲解REINFORCE算法基本原理 基于Pytorch实现REINFORCE算法
AI量化（代码）：深度强化学习DRL应用于金融量化
weixin_38175458的博客
11-03 2481
而类比人类的学习，我们不会拿1万张猫的图片让孩子学习什么是猫，一个小朋友也许只见过几只猫，他几乎可以认出各种图片的，抽象的，卡通的猫。所以有了alpha go， alpha master和alpha zero这样的围棋大师，然后它们的技能迁移的打战略游戏上，也是一等一的好手，都拜强化学习所赐。昨天我们讲的DNN的模式，我们是让模型学习过去的因子“预测”当天的收盘价的“涨跌”。我们学骑自行车，并不会用物理学的公式，去计算，人体和地面的角度，手臂要如何发力，而是骑就是了，自行车和地面给你反馈，你随之调整。
DRL（二）—— RL简介
qq_41796745的博客
04-20 1927
RL Structure RL中基本包括三个部分，如下图： Model-Based RL 在model-based RL里，绿格子里是预判下一个状态St+1。橙色格子依然是产生样本，绿色格子是利用这些样本去产生一个fφ，利用这个函数，可以预测下一个状态。用样本使这个函数越来越拟合。 这样可以得到一个确定的policy，a deterministic policy，在确定的环境中可以工作的较好，...
DRL基础（十）——深度Q网络 (DQN)完全教程【附代码】
二向箔
06-07 867
讲解DQN基本理论，基于Pytorch实现DQN算法，开发智能体控制月球车着陆，DQN完整代码下载链接见文末
【AI大模型】Kimi API大模型接口实现
qq_25888559的博客
09-15 1065
Kimi智能助手在效率（免费榜）排名从2024年1月14日的第436名提升至3月19日的第11名。而尚未上线的GPT-4.5 Turbo上下文窗口指定为25.6万个token，能同时处理约20万个单词，Kimi升级后，长文本能力为其10倍。在2023年10月初次亮相时，该模型的处理能力还仅有约20万汉字。2024年3月18日，月之暗面宣布Kimi智能助手启动200万字无损上下文内测。
使用c#制作一个小型桌面程序
qq_44691564的博客
09-14 1147
创建.NET Framework新项目，将之前生成的dll放在Demo文件夹的bin ->debug或是 release中（看你自己用的什么模式），创建完成后 系统会自动生成一些文件，其中 pch.cpp 先不要修改，pch.h中先导入自己需要用到的库，下面是我的代码。布局完了之后会自动生成Form1.Designer.cs 的窗口设计代码，点击控件按F4 还可以修改他们的属性。完成之后点击生成 就可以在bin中出现的你的.exe文件咯，是不是很简单呀~[狗头]我们还需要一个入口主程序。
开源 AI 智能名片链动 2+1 模式 O2O 商城小程序在社群活动中的应用与时机选择
最新发布
专注MarTech应用研究与实施方案
09-17 637
本文探讨了开源 AI 智能名片链动 2+1 模式 O2O 商城小程序在社群经济中的重要性，着重分析了如何借助该小程序适时举办大型活动以维持和引爆社群活跃度。通过对活动时机选择的研究，强调了针对社群用户量身定制活动时机的必要性，以赢得用户的高度参与。
opencv学习：calcHist 函数绘制图像直方图及代码实现
mohanyelong的博客
09-13 1512
opencv学习：calcHist 函数绘制图像直方图及代码实现
数据爬虫中遇到验证码的解决方法
sheji888的专栏
09-17 922
数据爬虫中遇到验证码是一个复杂而常见的问题，需要综合考虑多种因素并采取合适的解决策略。通过避免触发验证码、手动输入验证码、使用验证码识别技术、绕过验证码机制以及采用分布式爬虫和代理IP等方法，可以在一定程度上提高爬虫的稳定性和效率。然而，需要注意的是，爬虫的使用必须遵守相关法律法规和网站爬虫协议的要求，确保数据抓取活动的合法性和合规性。
Djourney新手入门基础，AI摄影+AI设计+AI绘画-AIGC作图
DAMOXINGHAITAI的博客
09-14 1021
（全套教程文末领取哈）从大模型系统设计入手，讲解大模型的主要方法；在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；以SD多模态大模型为主，搭建了文生图小程序案例；以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。
深度学习驱动的自动驾驶：人工智能在车辆控制中的角色
"人工智能在车辆控制中的应用-美国人工智能时代：行动蓝图" 本文主要探讨了人工智能在车辆控制领域的应用，特别是自动驾驶技术。其中提到了三种关键的人工智能技术：神经网络控制、深度神经网络学习和深度强化学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

二向箔不会思考

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值