Speed Hex

新的强化学习方法在实时环境中学习最优审议时间

研究人员开发了一种新颖的强化学习（RL）方法，适用于环境在代理做出决策时仍在进行的实时环境。这种新方法，称为可变延迟实时强化学习，允许代理动态选择每一步的审议时间。该系统训练了一个轻量级的门控策略来管理这些与状态相关的规划预算，在包括吃豆人（Pac-Man）和俄罗斯方块（Tetris）在内的多个游戏中，其表现优于固定预算和启发式基线。该方法还成功迁移到了多GPU设置。