MakarovIA/FPS

A3C & Episodic Learning

Open

#23 geöffnet am 1. Dez. 2016

Auf GitHub ansehen
 (1 Kommentar) (0 Reaktionen) (1 zugewiesene Person)C++ (1 Fork)github user discovery
Deep Reinforcement Learninghelp wanted

Repository-Metriken

Stars
 (1 Star)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

Implement ASync RL 1602.01783.pdf asyncrl.pdf Read about Gorilla (Google RL Architecture) implementation

Implement algorithm from 1606.04460.pdf It will be used for Learning Policies for in-Team Tactics with Sparse Big Rewards

Contributor Guide

Research-Richtung
Studieren Sie die bereitgestellten Papiere (1602.01783, 1606.04460) zu A3C und episodischem Lernen, implementieren Sie dann den Algorithmus in C++ in der FPS Spielumgebung, mit Fokus auf die Handhabung spärlicher Belohnungen für Teamtaktiken.
Tech Stack
cpp
Domain
game devmachine learning
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
4
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Über 1 Woche
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Recherche nötig
Voraussetzungen
C++Reinforcement Learning
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
10