Sample-Factory 强化学习课程 PPO 算法简介

在本单元 8 的第二部分，我们将通过使用 Sample-Factory（PPO 算法的异步实现）来更深入地研究 PPO 优化，以训练我们的智能体玩 vizdoom（Doom 的开源版本）。

在 notebook 中，您将训练您的智能体玩 Health Gathering 关卡，在该关卡中，智能体必须收集血包以避免死亡。之后，您可以训练您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！🚀

本实践教程由 Hugging Face 的机器学习研究科学家 Edward Beeching 制作。他致力于 Godot 强化学习智能体，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