铜灵 编译整理
量子位 出品 | 公众号 QbitAI
今天，《星际争霸2》（后称星际2）深度强化学习（DRL）智能体Reaver开源了，引来大量Reddit用户围观。
来自塔尔图大学的Roman Ring介绍说，这种模块化的框架主要用于训练星际2的各种任务，提供比大多数开源解决方案更快的单机环境并行化能力。
Reaver可适应多种环境，除了用于星际2的SC2LE外，还支持其他强化学习任务上常用的Gym、Atari和Mujoco。它用简单的Keras模型来定义神经网络，配置和共享配置也非常方便。
最重要的是，Reaver的训练规模亲民到爆炸。在普通的4核CPU的笔记本电脑上，每秒采样率可以达到5K，10秒内就能学会那个立杆子的游戏CartPole-0。
在电脑配置为Intel i5-7300HQ CPU (4 核) 和 GTX 1050 GPU 的笔记本情况下，Reaver 30分钟攻克了星际2 的MoveToBeacon游戏，成绩与DeepMind不分伯仲。
功能介绍
Reaver主要有6大特点：
可扩展
Reaver同时适用于初学者和老手。对业余编程爱好者，Reaver提供了必要工具，修改智能体（例如超参数）后就能训练。
老手可直接利用Reaver模块化架构和性能优化过的代码库，其中的智能体、模型和环境都是解耦的，可随意搭配，可扩展性强。
性能
Reaver利用无锁数据结构共享内存，将星际2的采样速率提升了2倍（通常能实现100倍的加速），瓶颈在GPU输入/输出pipeline。
可配置
Reaver中所有配置都能通过gin-config配置框架处理，并且能够将所有超参数、环境参数和模型定义轻松共享成.gin格式文件。
实现智能体
作者采用两种经典DRL算法进行实现：
优势actor-critic算法（A2C）
近端策略优化（PPO）
支持多种环境
PySC2（用所有迷你游戏测试过）OpenAI Gym（用CartPole-v0测试过）Atari（用PongNoFrameskip-v0测试过）Mujoco （用InvertedPendulum-v2和HalfCheetah-v2测试过）其他强化学习特点
GAE算法加持奖励剪裁梯度标准剪裁利用归一化方法基线引导独立基线网络结果展示Reaver具体实战的表现如何？研究人员在不同地图上，对A2C架构的Reaver、DeepMind的SC2LE和ReDRL进行基准测评，同时，还给出了人类GrandMaster级的专业人员在这些任务上的成绩。
其中，DeepMind的结果均来自此前发布论文中的最佳结果。
Reaver（A2C）是训练reaver.agents.A2C智能体得到的，通过训练—test模块进行100次迭代，计算总奖励值得到这个结果。图中括号值代表是平均值、标准差，方括号中为最小和最大值。
传送门Reddit讨论贴：
https://www.reddit.com/r/MachineLearning/comments/a0jm84/p_reaver_starcraft_ii_deep_reinforcement_learning/
具体的安装说明，可移步GitHub：
https://github.com/inoryy/reaver-pysc2
此外，如果你的电脑配置了Google Colab，还可以在线使用Reaver，地址：
https://colab.research.google.com/drive/1DvyCUdymqgjk85FB5DrTtAwTFbI494x7
— 完 —
诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。
量子位 QbitAI · 头条号签约作者
վᴗ ի 追踪AI技术和产品新动态
版权声明：本文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不做权威认证，不拥有所有权，不承担相关法律责任，转载请注明出处。本文地址：https://www.sip-server.cn/115224.html
