使用 Sample-Factory 介绍 PPO

在单元 8 的第二部分中，我们将深入研究 PPO 优化，使用 Sample-Factory（一个 PPO 算法的异步实现）来训练我们的智能体玩 vizdoom（Doom 的开源版本）。

在 Notebook 中，你将训练你的智能体玩 Health Gathering 关卡，智能体必须收集医疗包以避免死亡。之后，你可以训练你的智能体玩更复杂的关卡，例如 Deathmatch。

听起来很激动人心？让我们开始吧！🚀

本次实践由 Hugging Face 的机器学习研究科学家 Edward Beeching 制作。他曾参与 Godot 强化学习智能体项目，这是一个用于在 Godot 游戏引擎中开发环境和智能体的开源接口。

< > 在 GitHub 上更新