运算条件算法？

Question

为智能体实现实时操作条件反射(有监督的奖励/基于惩罚的学习)的最佳方法是什么？我应该使用神经网络(以及哪种类型)？还是别的什么？

我希望特工能够接受训练，像狗一样听从命令。这些命令将以触摸屏上的手势形式出现。我希望智能体能够被训练为遵循一条路径(在连续的2D空间中)，根据命令进行行为更改(由FSM状态转换建模)，并执行操作序列。

智能体将处于模拟的物理环境中。

Answer 1

对于你的问题，Reinforcement Learning是一个很好的机器学习算法。

基本强化学习模型包括：

• a set of S S(你有一个以某种方式离散化的2d空间，这是狗的当前位置，如果你想做连续的2D空间，你可能需要一个神经网络作为值函数映射器。)
• a set of A (你提到狗执行动作序列，例如，移动，旋转)状态之间转换的
• 规则(您的狗的位置转换可以由有限状态机建模)
• 规则确定转换的标量立即奖励r (当到达目标位置时，您可能希望给狗一个大的奖励，而在描述智能体观察的中间milestones)
• rules也欢迎小奖励。(狗的视图可能有限，例如，只有4或8个相邻的单元格可见，下图是显示狗的当前位置P和狗可见的4个相邻单元格的示例。)

​

​

要找到最佳策略，可以从无模型技术-- q-learning开始。