PettingZo:マルチエージェント強化学習のためのGym【JST・京大機械翻訳】

Terry J. K.; Black Benjamin; Grammel Nathaniel; Jayakumar Mario; Hari Ananth; Sullivan Ryan; Santos Luis; Perez Rodrigo; Horsch Caroline; Dieffendahl Clemens; Williams Niall L.; Lokesh Yashas; Ravi Praveen

プレプリント

J-GLOBAL ID：202202210572521400 整理番号：21P0051538

PettingZo:マルチエージェント強化学習のためのGym【JST・京大機械翻訳】

PettingZoo: Gym for Multi-Agent Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (13件)： , , , , , , , , , , , ,
資料名：
発行年： 2020年09月30日プレプリントサーバーでの情報更新日： 2021年10月26日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,PettZooライブラリと付随するエージェント環境サイクル(AEC)ゲームモデルを紹介する。ペッティングZooは,普遍的でエレガントなPython APIを有する多様なマルチエージェント環境のライブラリである。多エージェント強化学習(”MARL”)における研究を加速する目的で,PettZooを開発し,OpenAIのGymライブラリが単一エージェント強化学習に対して,より交換可能,アクセス可能かつ再現可能なアキンを作れる。Gymの多くの特徴を継承する間,PettZooのAPIは,新しいAECゲームモデルのまわりで,MARL APIsの間で独特である。ポピュラーなMARL環境における主要な問題に関する事例研究を通して,ポピュラーなゲームモデルがMARLで通常用いられるゲームの貧弱な概念モデルであり,従って,検出が困難な混乱バグを促進でき,AECゲームモデルがこれらの問題に対処することを主張した。【JST・京大機械翻訳】

, , , , ,
, , , 【Automatic Indexing@JST】

人工知能

前のページに戻る