طراحي يك عامل يادگيري تقويتي براي نگاشت يادگيري مبتني بر بازخورد محيط

Design a Reinforcement learner agent for mapping based on environmental feedback

در بسياري از وظايف محوله به يك عامل شباهت هايي موجود مي باشد كه عامل مي تواند از اين شباهت ها استفاده نموده تا نياز به يادگيري مجدد اين مهارت ها نداشته باشد، از طرفي ديگر عامل در فرآيند يادگيري يك وظيفه دانشي را نيز كسب مي نمايد كه مي تواند از آن در انجام وظايف ديگر استفاده نمايد. در اين مقاله ما به ارايه روشي براي آموزش يك نگاشت به عامل يادگيري تقويتي با استفاده از بازخوردهاي محيطي مي پردازيم و نشان خواهيم داد كه با شكل دهي به تابع پاداش يك عامل يادگير تقويتي مي توان به عامل، نگاشت از فضاي حالتي به فضاي حالت ديگر را آموزش داده و از اين نتيجه نيز در انتقال يادگيري تقويتي استفاده نمود. پس از ارايه روش ما به پياده سازي و آزمون روش ارايه شده بر روي بازي Breakout نموده ايم و مشاهده مي كنيم كه اين عامل به خوبي توانسته است نگاشت اعمال يك عامل را آموزش ببيند.