SUMMARY.md

Table of contents

• 介绍

前言

• 神经网络
• 研究平台
  • 街机游戏
  • 竞速游戏
  • 第一人称射击游戏
  • 开放世界游戏
  • 即时战略游戏
  • 团队体育游戏
  • 文字冒险游戏
  • OpenAI Gym & Universe

方法

• 街机游戏
  • DQN
  • DRQN
  • Gorila
  • Double DQN
  • Prioritized Experience Replay
  • Dueling DQN
  • Bootstrapped DQN
  • Multiagent DQN
  • Progressive Neural Networks
  • A3C
  • Retrace(λ)
  • ACER
  • ACKTR
  • TRPO
  • PPO
  • UNREAL
  • IMPALA
  • Distributional DQN
  • Noisy-Net
  • Rainbow
  • ES
  • NS-ES
  • Deep GA
  • Playing Atari with Six Neurons
  • UCTtoClassification
  • Policy Distillation
  • Actor-Mimic
  • Action-Conditional Video Prediction
  • Self-Supervision
  • HRA
• 蒙特祖玛的复仇
  • Hierarchical-DQN
  • DQN-CTS
  • Pixel Recurrent Neural Networks
  • DQN-PixelCNN
  • Ape-X
  • DQfD
  • Ape-X DQfD
  • Natural Language Guided Reinforcement Learning
• 竞速游戏
  • Direct Perception
  • DDPG
  • TD3
• 第一人称射击游戏
  • SLAM-Augmented DQN
  • Direct Future Prediction
  • For The Win
• 开放世界游戏
  • H-DRLN
  • Feedback Recurrent Memory Q-Network
  • Teacher-Student Curriculum Learning
• 即时战略游戏
  • Puppet Search
  • Combined Strategic and Tacticals
  • Zero Order
  • IQL
  • COMA
  • BiC-Net
  • Macro-action SL
  • Macro-action PPO
  • On Reinforcement Learning for Full-length Game of StarCraft
  • AlphaStar
• 团队体育游戏
  • DDPG + Inverting Gradients
  • DDPG + Mixing policy targets
  • Object-centric prediction
• 文字冒险游戏
  • LSTM-DQN
  • DRRN
  • Affordance Based Action Selection
  • Golovin
  • AE-DQN
• 开放的挑战
  • 游戏通用性
  • 稀疏、延迟、欺骗性的回报
  • 多智能体
  • 终身适应
  • 像人类一样玩游戏
  • 可调节的性能等级
  • 处理巨大的状态空间
  • 工业界应用
  • 游戏开发的交互式工具
  • 创造新的游戏
  • 学习游戏的模型
  • 计算资源

附录

• Distributional RL
  • QR-DQN
• Policy Gradient
  • Off-Policy Actor-Critic
  • Generalized Advantage Estimation
  • Soft Actor-Critic
  • PPO-Penalty
• Model-Based RL
  • I2A
  • MBMF
  • MBVE
  • World Models
• Imitation Learning and Inverse Reinforcement Learning
  • GAIL
• Transfer and Multitask RL
  • HER