使用 Sample-Factory 介绍 PPO

在本单元 8 的第二部分中，我们将深入探讨 PPO 优化，方法是使用 Sample-Factory（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）。

在笔记本中，您将训练您的智能体玩“收集生命值”关卡，其中智能体必须收集生命值包以避免死亡。之后，您可以训练您的智能体玩更复杂的关卡，例如“死亡竞赛”。

听起来很激动人心？让我们开始吧！🚀

本动手实践由 Hugging Face 的机器学习研究科学家 Edward Beeching 创建。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。

< > 更新 在 GitHub 上