我使用 Kinect 相机的关节位置作为状态空间，但我认为它太大(25 个关节 x 每秒 30 个)，无法直接输入 SARSA 或 Qlearning。
现在我正在使用 Kinect Gesture Builder 程序，该程序使用监督学习将用户移动与特定手势关联起来。但这需要监督培训，我想放弃这种培训。我认为该算法可能会拾取关节之间的某些关联，就像我自己对数据进行分类时一样(例如举手、向左迈、向右迈)。
我认为将这些数据输入深度神经网络，然后将其传递给强化学习算法可能会给我带来更好的结果。
最近有一篇论文讨论了这个问题。 https://www.cs.toronto.edu/~vmnih/docs/dqn.pdf
我知道 Accord.net 同时拥有深度神经网络和强化学习，但有人将它们组合在一起吗？有什么见解吗？
最佳答案
如果我从您的问题+评论中理解正确，您想要的是拥有一个使用视觉输入(来自相机的原始像素)执行离散操作的代理。这看起来与 DeepMind 人员最近所做的一模一样，扩展了你提到的论文。看看this 。这是雅达利游戏的更新(更好)版本。他们还提供了官方实现，您可以下载 here 。 甚至还有an implementation in Neon效果很好。
最后，如果您想使用连续操作，您可能会对这个 very recent paper 感兴趣。 .
回顾一下:是的，有人将 DNN + RL 结合起来，它确实有效，如果您想使用原始相机数据来训练 RL 代理，这绝对是一种方法:)
关于deep-learning - 深度神经网络与 qlearning 相结合，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/34246008/