Dueling double DQN

新的对手建模技术稳定了竞争性游戏中的深度强化学习

研究人员为在部分可观察竞争性游戏中运行的深度强化学习智能体开发了一种新颖的对手建模技术。该方法利用一个经过滞后重标记对手目标训练的Transformer来生成子目标热力图，然后将其集成到Dueling Double DQN架构中。与标准的TD(0) DQN相比，所提出的方法显著稳定了对称零和觅食游戏中的训练，防止了训练崩溃，并恢复了游戏价值的很大一部分。