在 Unity 中使用 Mlagent 进行决策

Question

我正在学习使用 Unity 和 Mlagents。我准备了一个培训环境，在该环境中，我的代理人必须按材料类型（金属、塑料等）回收物品。

例如： 当智能体碰撞一个塑料瓶并检测到它有一个塑料标签时，如果它与人类（人类标签）碰撞，物体会物理移动到一个塑料和金属的空间（并获得 +1 奖励）受到-2的惩罚。

到目前为止，一切运行良好，经过训练（强化学习）的代理正确地实现了他的目的。

问题是内部代码仅包含以下行： 如果代理与人类发生碰撞，他将受到惩罚 (-2) 如果代理撞到墙，他会受到惩罚（-1） 如果代理与塑料物体碰撞，物体将移动到塑料的特定空间（+1） 如果代理与金属物体发生碰撞，物体将移动到金属的特定空间（+1）

问题： 你怎么能给智能体一个“机会”，让他在错误分类对象时犯错误，然后再从中学习呢？ 目前它只是按照“如果”行事

我认为可能使用一些随机参数，当代理与对象碰撞时，它会随机将其分配给一个回收点，如果这导致不正确的回收点，它将受到惩罚，但是......代理可以学习吗从那？这意味着智能体在学习和训练期间可以“控制”随机参数。

如果有任何想法或建议，我将不胜感激。

Answer 1

拥有一个训练有素的代理会导致它基本上只遵循 if 语句。一个可能的解决方案是尽早中断其训练，并使用该模型。这样它就不会是完美的，但它会对做什么有一个大致的了解。