Kaixhin/Atari

Recurrent Dqn

Open

#8 ouverte le 21 avr. 2016

Voir sur GitHub
 (31 commentaires) (0 réactions) (0 assignés)Lua (72 forks)github user discovery
enhancementhelp wanted

Métriques du dépôt

Stars
 (263 stars)
Métriques de merge PR
 (Aucune PR mergée en 30 j)

Description

One central element of the Atari DQN is the use of 4 consecutive frames as input making the state more Markov, ie. having the vital dynamic movement information. This paper http://arxiv.org/abs/1507.06527v3 discusses DRQN: the multiframe input can be substituted with LSTM with the same effect (but no systematic advantage for one or the other). Also the Deepmind async paper mentions using LSTM instead of multi frame inputs for more challenging visual domains (Torcs and Labyrinth).

I think this would fit well in this codebase, I'll try to contribute this at one point.

Guide contributeur

Direction de recherche
Implémentez une couche de réseau de neurones récurrents (LSTM) dans l'architecture DQN pour traiter des entrées d'image unique, éliminant ainsi le besoin d'empiler les images. Étudiez le document de référence (http://arxiv.org/abs/1507.06527v3) pour les détails architecturaux et les méthodologies de formation.
Stack technique
lua
Domaine
machine learningai
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
1-2 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
LuaReinforcement Learning
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
30