深度强化学习_参考资料

写在前面

• 强化学习资料汇总——视频、书籍、教程、PPT、算法、环境、框架、论文、会议期刊、公众号、博客、官网
• 增强学习在导航中的应用——多篇论文
• 强化学习自主导航——论文
• 最前沿：视觉导航（Visual Navigation），让人惊讶的进展——三篇论文
• 强化学习_知乎专栏

会议&论文

会议&期刊 　 IEEE & SCI & EI
ICLR
ICML
NeurIPS
AAAI
CVPR
机器人领域几大国际会议、机器人学领域的顶级期刊和会议：ICRA、IROS、ROBIO、RSS。
机器人领域下一个顶会：CoRL
机器学习的几大顶会中，IJCAI和AAAI大而全、CVPR、ICCV专注计算机视觉、NIPS和ICML两个会关注机器学习，但前者偏向计算神经科学、后者标准严格，对学术功底要求较高。机器人领域几大顶会中，ICRA偏向自动化应用，IROS注重前沿研究，但涉及范围广泛，RSS偏重于机器人技术、算法和系统，对于处于机器人与机器学习的交叉领域的研究者来说，也需要一个全新的会议来展示和交流自己的研究成果。ROBIO主要在中国举办。
控制领域顶级期刊——期刊比会议重要
控制领域顶会：American Control Conference (ACC) ，较全面地du反映自动控制各领域中理论与应用zhi的最新研究成果；IEEE Conference on Decision and Control(CDC) ，侧重于理论研究；International Federation of Automatic Control (IFAC)，控制理论与应用发展新成果和新趋势，内容广泛

• 知乎专栏：强化学习前沿
• 强化学习论文合集
• 强化学习论文汇总

优秀的人啊~

• Github:marooncn——研究端到端的运动规划，包括输入RGB图像实现机器人导航
• Github：莫烦的强化学习代码
• 知乎：启人zhr、CSDN: 启人zhr——研究强化学习+calar
• 知乎：Cruiser——研究机器人导航
• 知乎：黄浴——自动驾驶科学家/工程师
• CSDN: mmc2015——北大信科学院，Silver视频+sutton书
• CSDN：PaperWeekly——推荐、解读、讨论和报道人工智能前沿论文成果的学术平台
• CSDN：Adam坤——DRL论文翻译
• CSDN：猪蒙索洛夫——DRL论文翻译
• CSDN: J.Q.Wang@2048——深度强化学习实验室，RL算法详解
• 知乎：张斯俊——专栏：白话强化学习，通俗易懂的入门路径
• CSDN: xyt_369587353——RL算法详解
• CSDN: 微丶念（小矿工）——David Silver-强化学习笔记
• CSDN:Bubbliiiing——强化学习算法代码实现

博客

• 深度学习-刘建平Pinard
• 深度强化学习-刘建平Pinard
• github——一个强化学习教程与代码实现（迷宫）
• CSDN: songrotek——研究过RL，目前不更新
• CSDN: jessie_weiqing——李宏毅深度强化学习笔记
• 知乎：叶强——David Silver强化学习公开课中文讲解及实践
• CSDN: 及达尖犁头鳐——《白话强化学习与PyTorch》学习笔记

视频

• 【B站视频】David Silver深度强化算法学习 +项目讲解
• 【视频】莫烦python

DRL的问题与展望

• DRL的一些问题和展望
  • 问题
  • 展望
• 重新审视DRL的研究与应用——问题可能不是出在是否基于模型，并总结了一些值得研究的方向
  

其他应用场景

• 推荐算法
• 机器人领域

其他知识点

• on-policy和off-policy的区别

• value-based和policy-based算法比较

• DQN详解——附代码

• 【知乎】DQN的缺陷及改进

• 【CSDN】DQN改进-从 DQN、DDPG、NAF 到 A3C

• DeepMind和OpenAI身后的两大RL流派有什么具体的区别？

  • David Silver是DeepMind的主脑人物之一，他的博士导师是Richard Sutton，所以是非常受Sutton的RL价值观影响，Sutton推崇的是正统的Value-based RL。所以搞出了Deep Q-learning, DDPG之类的东西。至于说后来的A3C，已经是不得不屈从于Policy-based RL的高效率。
  • OpenAI背后的派别是Berkeley帮，主要工作是围绕Pieter Abbeel以及他的两位superstar博士生Sergey Levine和John Schulman。他们极度推崇Policy-based RL。用过RL的同学应该知道，policy-based RL以及衍生出的model-based RL比value-based RL效率高一个量级，这跟Abbeel和Sergey的机器人背景关系非常大。在机器人的应用中，sample-efficiency非常重要。
  • 另外，这跟两家公司的定位也有关系，比如说DeepMind着眼于Go和Starcraft这样的AI明珠问题，可能确实Value-based RL+search的办法更work。OpenAI强调Open，大众普及RL，着眼于一些机器人应用和相对小规模的RL问题，Policy-based RL以其优秀的效率和稳定性更胜一筹。