Diversity Induced Environment Design via Self-Play

要約

環境の適切な分布を設計する最近の研究は、効果的な一般的に有能なエージェントをトレーニングするための見込みを示しています。
その成功は、エージェントの能力の最前線で環境インスタンス (またはレベル) を生成する適応カリキュラム学習の形式によるものです。
ただし、このような環境設計フレームワークは、困難な設計空間で効果的なレベルを見つけるのに苦労することが多く、環境との相互作用にコストがかかります。
この論文では、教師なし環境設計 (UED) フレームワークに多様性を導入することを目指しています。
具体的には、特定のレベルを代表する観察/非表示状態を識別するタスクに依存しない方法を提案します。
次に、この方法の結果を利用して、2 つのレベル間の多様性を特徴付けます。これは、効果的なパフォーマンスに不可欠であることが示されています。
さらに、サンプリング効率を向上させるために、環境ジェネレーターがトレーニング エージェントにとって大きなメリットとなる環境を自動的に生成できるようにするセルフプレイ テクニックを組み込みます。
定量的には、私たちのアプローチであるセルフプレイによる多様性誘導環境設計 (DivSP) は、既存の方法よりも魅力的なパフォーマンスを示しています。

要約(オリジナル)

Recent work on designing an appropriate distribution of environments has shown promise for training effective generally capable agents. Its success is partly because of a form of adaptive curriculum learning that generates environment instances (or levels) at the frontier of the agent’s capabilities. However, such an environment design framework often struggles to find effective levels in challenging design spaces and requires costly interactions with the environment. In this paper, we aim to introduce diversity in the Unsupervised Environment Design (UED) framework. Specifically, we propose a task-agnostic method to identify observed/hidden states that are representative of a given level. The outcome of this method is then utilized to characterize the diversity between two levels, which as we show can be crucial to effective performance. In addition, to improve sampling efficiency, we incorporate the self-play technique that allows the environment generator to automatically generate environments that are of great benefit to the training agent. Quantitatively, our approach, Diversity-induced Environment Design via Self-Play (DivSP), shows compelling performance over existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google