Scilab-RL: A software framework for efficient reinforcement learning and cognitive modeling research

要約

認知モデリングと強化学習 (RL) の研究に関する問題の 1 つは、研究者が実験のための適切な計算フレームワークのセットアップに多大な時間を費やしすぎることです。
現在の RL アルゴリズムのオープンソース実装は数多く存在しますが、さまざまなロボット シミュレーターとプラットフォーム、データの視覚化、ハイパーパラメーターの最適化、ベースライン実験を組み合わせたモジュール式ツール スイートが不足しています。
この問題に対処するために、ロボット エージェントの認知モデリングと強化学習における効率的な研究のためのソフトウェア フレームワークである Scilab-RL を紹介します。
このフレームワークは、Stable Baselines 3 と OpenAI ジム インターフェイスを使用した目標条件付き強化学習に焦点を当てています。
これにより、実験の視覚化とハイパーパラメーターの最適化のネイティブな可能性が可能になります。
これらの機能により、研究者が最小限の時間で実験を行うことができ、研究成果を最大化できる方法について説明します。

要約(オリジナル)

One problem with researching cognitive modeling and reinforcement learning (RL) is that researchers spend too much time on setting up an appropriate computational framework for their experiments. Many open source implementations of current RL algorithms exist, but there is a lack of a modular suite of tools combining different robotic simulators and platforms, data visualization, hyperparameter optimization, and baseline experiments. To address this problem, we present Scilab-RL, a software framework for efficient research in cognitive modeling and reinforcement learning for robotic agents. The framework focuses on goal-conditioned reinforcement learning using Stable Baselines 3 and the OpenAI gym interface. It enables native possibilities for experiment visualizations and hyperparameter optimization. We describe how these features enable researchers to conduct experiments with minimal time effort, thus maximizing research output.

arxiv情報

著者 Jan Dohmen,Frank Röder,Manfred Eppe
発行日 2024-01-25 19:49:02+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.LG, cs.RO パーマリンク