DeepMind推出分布式深度强化学习架构IMPALA，让一个Agent学会多种技能

最新推荐文章于 2024-08-24 09:06:13 发布

青梅煮酒BX

最新推荐文章于 2024-08-24 09:06:13 发布

阅读量965

点赞数

分类专栏：深度学习文章标签：强化学习 Reinforcement Learning 分布式强化学习

深度学习专栏收录该内容

13 篇文章 2 订阅

订阅专栏

目前，深度增强学习（DeepRL）技术在多种任务中都大获成功，无论是机器人的持续控制问题，还是掌握围棋和雅达利的电子游戏。不过，这些方面的进展仅限于孤立任务。完成每一项任务都要单独调试、训练agent。

在最近的工作中，我们研究了如何训练单一agent去执行多种任务。

今天，我们发布了DMLab-30。这是一组新任务，包含了在统一视觉环境、通用动作空间（action space）中的多种类型挑战。训练agent去胜任多种任务意味着巨大的吞吐量，以及要高效地利用每个数据点。

为此，我们开发了全新的、扩展性强的agent架构，用于分布式训练。这就是IMPALA（重要性加权的操作者-学习者架构，Importances Weighted Actor-Learner Architectures），这种架构利用了新的离策略修正算法V-trace。

DMLab-30

DMLab-30用开源增强学习环境DeepMind Lab设计的新关卡的集合。这些环境让任何DeepRL研究者都能基于大量有趣的任务去测试不同系统，可能是单个任务也可能是多任务集合。

640?wx_fmt=gif&wxfrom=5&wx_lazy=1

任务的设计则尽可能地多样化。这些任务有不同目标，从学习到记忆，再到探索。在视觉上这些任务也有所不同，从色彩鲜艳的现代风格材质，到黎明、正午和夜晚沙漠中表现出的棕色和绿色。这些任务也涉及多种物理环境，从开放的山地地形，到直角迷宫，再到开阔的圆形房间。

此外，有些环境中设置了“机器人”，这些机器人有属于自己的、以目标为导向的行为。同样重要的，不同关卡的目标和奖励有所不同，具体从跟踪语言命令、使用钥匙去开门、寻找蘑菇，到绘制和追踪复杂的不可逆路径。

然而在最基本的层面上，从动作空间和观察空间来看，环境都是相同。这使得单一agent可以通过训练，在不同环境中行动。

IMPALA：
重要性加权的操作者-学习者架构

DMLab-30的挑战性很强。为了利用这个工具，我们开发了全新的分布式agent，即IMPALA。这个agent能利用高效的分布式架构和TensorFlow，让数据吞吐量最大化。

IMPALA的灵感来自于热门的A3C架构，后者使用多个分布式actor来学习agent的参数。在类似这样的模型中，每个actor都使用策略参数的一个副本，在环境中操作。actor会周期性地暂停探索，将它们已经计算得出的梯度信息分享至中央参数服务器，而后者会对此进行更新。

640?wx_fmt=png

与此不同，IMPALA中的actor不会被用来计算梯度信息。它们只是收集经验，并将这些经验传递至位于中心的learner。learner会计算梯度。因此在这样的模型中，actor和learner是完全独立的。为了利用当代计算系统的规模优势，IMPALA在配置中可支持单个learner机器，也可支持多个相互之间同步的learner机器。以这种方式将学习和操作分开也有利于提升整个系统的吞吐量，因为与批量A2C这类架构不同，actor不再需要等待学习步骤。这帮助我们在有趣的环境中训练IMPALA，同时不必面临由于帧渲染时间或任务重启耗时造成的差异。

640?wx_fmt=png

不过操作和学习的解耦也导致，actor的策略落后于learner。为了弥补这样的差距，我们引入了离策略优势actor-评价者公式V-trace。它弥补了离策略actor获得的轨迹。你可以从我们的论文中了解算法及其分析细节。

640?wx_fmt=png

凭借优化的模型，与传统agent相比，IMPALA可以处理多出一到两个数量级的经验，使得在挑战性环境中的学习成为可能。我们将IMPALA与多种热门的actor-评价者方法进行了比较，发现前者有明显的速度提升。此外，IMPALA的吞吐量上升与actor、learner的数量增长呈线性关系。这表明，分布式agent模型和V-trace算法都可以胜任超大规模的实验，即使机器数量达到数千台。

在利用DMLab-30关卡进行测试时，与分布式A3C相比，IMPALA的数据效率达到10倍，而最终得分达到两倍。此外，与单任务环境中的训练相比，IMPALA在多任务环境的训练中表现出正向转换。

论文

IMPALA: Scalable Distributed Deep-RL with Importance Weighted Actor-Learner Architectures
Lasse Espeholt, Hubert Soyer, Remi Munos, Karen Simonyan, Volodymir Mnih, Tom Ward, Yotam Doron, Vlad Firoiu, Tim Harley, Iain Dunning, Shane Legg, Koray Kavukcuoglu
https://arxiv.org/abs/1802.01561

开源代码

https://github.com/deepmind/lab/tree/master/game_scripts/levels/contributed/dmlab30

博客原文

https://deepmind.com/blog/impala-scalable-distributed-deeprl-dmlab-30/

— 完 —