新加坡国立大学 发布 Diner Dash 数据集, 应用在 策略学习、高维动作空间 领域

新加坡国立大学 本次发布的数据集 Diner Dash, Diner Dash是一个用于评估高维动作空间中策略学习算法性能的轻量级基准任务。该数据集由新加坡国立大学创建，旨在解决传统基准如Atari游戏在动作空间维度上的局限性。Diner Dash具有层次任务结构和57维动作空间，模拟了一个餐厅经营环境，其中玩家需控制服务员服务尽可能多的顾客。数据集创建过程中，通过引入分解策略图建模（DPGM）算法，结合图建模和深度学习，实现了领域知识的明确嵌入。该数据集适用于研究复杂任务中的策略学习，特别是在高维动作空间和状态空间中的应用，如交通灯控制等实际问题。

查看Diner Dash

README 内容： 

关于 新加坡国立大学 , 新加坡国立大学是一所位于新加坡的公立研究型大学，以其卓越的学术研究和教育质量在国际上享有盛誉。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。