详细内容或原文请订阅后点击阅览
深度强化学习：0 到 100
使用 RL 教机器人驾驶无人机《深度强化学习：0 到 100》一文首先出现在《走向数据科学》上。
来源:走向数据科学如何教机器人着陆无人机而不需要对每一个动作进行编程？这正是我打算探索的。我花了几周的时间开发了一款游戏，其中虚拟无人机必须弄清楚如何降落在平台上——不是通过遵循预先编程的指令，而是通过从反复试验中学习，就像你学会骑自行车一样。
这就是强化学习（RL），它与其他机器学习方法有根本的不同。你不用向人工智能展示数千个“正确”着陆的例子，而是给它反馈：“嘿，那很好，但也许下次尝试更温和一点？”或者“哎呀，你崩溃了——可能不会再这样做了。”通过无数次的尝试，人工智能弄清楚什么有效，什么无效。
强化学习 (RL)在这篇文章中，我记录了我从 RL 基础知识到构建一个（主要是！）教无人机着陆的工作系统的旅程。您将看到成功、失败以及我一路上必须调试的所有奇怪行为。
1. 强化学习：概述
很多想法都与巴甫洛夫的狗和斯金纳的老鼠实验有关。这个想法是，当主体做了你想让它做的事情（正强化）时，你给它一个“奖励”，当它做了坏事（负强化）时，你给它一个“惩罚”。通过多次重复尝试，你的受试者从这种反馈中学习，逐渐发现哪些行动会带来成功——类似于斯金纳的老鼠如何知道按下杠杆会产生食物奖励。
奖励 处罚以同样的方式，我们想要一个能够学习做事（或任务）的系统，以便最大化奖励并最小化惩罚。请注意有关最大化奖励的事实，稍后会介绍。