Алгоритмы обучения с подкреплением часто применяются к средам с необработанными входными кадрами в форме изображений, последовательностей изображений или векторов признаков. Обработка наблюдений изображений в Stable-Baselines3 выполняется с помощью кодировщиков признаков CNN, в то время как векторы признаков передаются непосредственно в многоуровневую нейронную сеть политик. Но что, если вы хотите объединить изображения и векторы в пространство наблюдения с несколькими входами?..

Для мини-проекта я решил реализовать в коде некоторые алгоритмы из статьи Развитие алгоритмов обучения с подкреплением . Основная идея статьи состоит в том, чтобы разработать новые алгоритмы обучения с подкреплением (RL), представляя алгоритм в виде графа, допуская различные эволюции и выбирая наиболее эффективные из них. Некоторые моменты из статьи для меня: Разработанные алгоритмы могут загружаться из известного алгоритма (например, Deep Q Network (DQN)) или с нуля. Алгоритмы..