REINFORCEjs (強化学習アルゴリズムのデモ)
強化学習のアルゴリズムをブラウザでそのまま動かせるようにしたJavaScriptライブラリのデモ集です。格子世界で動的計画法や時間差学習(SARSA・Q学習)によって価値が定まっていく過程と、ニューラルネットワークを使う深層Q学習(DQN)のエージェントがPuckWorldやWaterWorldで動く様子を見られます。報酬と罰だけを与えても行動が次第に洗練されていく、強化学習の基本の仕組みを確かめられます。
使い方
上部のメニューから「GridWorld: DP」「GridWorld: TD」「PuckWorld: DQN」「WaterWorld: DQN」のいずれかを選ぶとそのデモが動き、格子の値や矢印、エージェントの動きが学習に応じて変わるのを観察できます。最初のページのAboutに四つの手法がそれぞれどんな場面に向くかがまとめられており、どのデモから見るか決める助けになります。画面と説明が英語のみで提供されます。