OpenAI Baselines: ACKTR & A2C

この記事は、OpenAIのBaselinesの一部として、2つの新しい強化学習アルゴリズム、ACKTRとA2Cのリリースを発表しています。A2Cは、A3Cの同期かつ決定論的なバリアントであり、同等の性能を達成していると強調しています。ACKTRは、TRPOとA2Cよりもサンプル効率が高く、計算コストはA2Cよりもわずかに高いとされています。

• •OpenAIは、Baselinesの一部としてACKTRとA2Cをリリースしました。
• •A2Cは、A3Cの同期かつ決定論的なバージョンであり、同様の性能を持ちます。
• •ACKTRは、TRPOとA2Cよりもサンプル効率が高く、A2Cよりもわずかに高い計算コストがかかります。