抽象的 我们将使用流行的沙盒视频游戏Minecraft及其相关的Malmo平台来训练代理，以成功打击被称为“暴民”的游戏内实体。 我们希望，像我们在模拟环境中用于训练代理的方法那样，可以外推到现实世界中的应用程序，例如机器人技术。 我们将使用一种流行的强化学习技术，称为Deep Q Learning，它使用了几种不同的特征表示，并比较了性能差异。 简介与背景 Minecraft是一款流行的沙盒视频游戏，其中包含许多被称为“暴民”的敌对非玩家实体； 这些实体旨在攻击和*玩家角色。 我们的特工将必

使用行为克隆玩Minecraft，2020年版 该存储库仅包含NoActionWasted团队对的最终排名，模仿学习，排名第四。 团队成员： ， 和 。 核心成分： 写在PyTorch中。 在比赛中，动作被混淆成连续的向量。 我们在人类数据集上使用了k均值聚类来创建具有代表性的动作，效果非常好（感谢）。 连续的动作矢量被映射到最接近的质心，并且所有学习都是在这些离散的动作上完成的。 行为克隆（即训练网络以预测人类采取的行动）。 网络模型：具有LSTM层的小型ResNet（有关类似架

MineRL项目-Minecraft中的深度强化学习 我们测试了DQN和PPO算法。 该代理的目标是在视频游戏环境中导航。 给定摄像机数据作为输入，座席必须走到指定位置。 动作很简单：向前，向后，向左，向右，平移等。 QLearning 针对MineRLNavigateDense-v0环境的深度Q学习。 用法 要测试预训练的网络：运行test.py 训练新网络：运行train.py 依存关系 经过以下培训和测试： Python 3.6 PyTorch 1.0 NumPy 1.15.3 gy