使用 Sample-Factory 介紹 PPO

在單元 8 的第二部分中，我們將深入研究 PPO 最佳化，使用 Sample-Factory（一個 PPO 演算法的非同步實現）來訓練我們的智慧體玩 vizdoom（Doom 的開源版本）。

在 Notebook 中，你將訓練你的智慧體玩 Health Gathering 關卡，智慧體必須收集醫療包以避免死亡。之後，你可以訓練你的智慧體玩更復雜的關卡，例如 Deathmatch。

聽起來很激動人心？讓我們開始吧！🚀

本次實踐由 Hugging Face 的機器學習研究科學家 Edward Beeching 製作。他曾參與 Godot 強化學習智慧體專案，這是一個用於在 Godot 遊戲引擎中開發環境和智慧體的開源介面。

< > 在 GitHub 上更新