《DD-PPO: LEARNING NEAR-PERFECT POINTGOAL NAVIGATORS FROM 2.5 BILLION FRAMES》-----强化学习论文笔记

ksvtsipert

于 2021-08-31 00:13:20 发布

阅读量9.2k

点赞数

分类专栏：强化学习论文笔记文章标签：强化学习

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/ksvtsipert/article/details/120007150

版权

DD-PPO是一种解决资源密集型3D模拟环境中分布式强化学习延时问题的方法。通过去中心化和预设的抢占阈值，它在Hatitat-Sim上实现了近线性扩展，有效加速了训练过程。该算法避免了参数服务器，允许工作者在达到一定完成比例时提前结束rollout，提高效率。实验表明，DD-PPO在处理高维输入和深度神经网络时，能有效地利用GPU资源，对比其他同步和异步分布式RL方法，显示了更好的扩展性和性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

abstract

去中心化分布式PPO（DD-PPO) 是一种在资源密集型模拟环境中进行分布式强化学习的方法，在Hatitat-Sim上表现出近线性的扩展——通过串行在128个GPU上实现了107倍加速。
code
video

introduction

不同于gym和Atari, 3D simulator需要GPU加速，因此worker的数量通常有限制（ $2^5$ - $2^8$ vs $2^{12}$

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

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。