DRL前沿之：Benchmarking Deep Reinforcement Learning for Continuous Control

1 前言

Deep Reinforcement Learning可以说是当前深度学习领域最前沿的研究方向，研究的目标即让机器人具备决策及运动控制能力。话说人类创造的机器灵活性还远远低于某些低等生物，比如蜜蜂。。DRL就是要干这个事，而是关键是使用神经网络来进行决策控制。

因此，考虑了一下，决定推出DRL前沿系列，第一时间推送了解到的DRL前沿，主要是介绍最新的研究成果，不讲解具体方法（考虑到博主本人也没办法那么快搞懂）。也因此，本文对于完全不了解这个领域，或者对这个领域感兴趣的童鞋都适合阅读。

下面进入正题。

2 Benchmarking Deep Reinforcement Learning for Continuous Control

文章出处：http://arxiv.org/abs/1604.06778
时间：2016年4月25日
开源软件地址：https://github.com/rllab/rllab

这篇文章不是什么创新算法的文章，但却是极其重要的一篇文章，看到文章的第一眼就能看出来。这篇文章针对DRL在连续控制领域的问题弄了一个Benchmark，而且，关键是作者把程序开源了，按照作者的原话就是

To encourage adoption by other researchers!