获得强化学习游戏机奖励

Question

我正在尝试使用强化学习（RL），例如Q-learning或A3C进行游戏机游戏。我没有这些游戏的源代码，所以创建一个环境可能是不可能的。对于RL来说，网络的行为需要一个奖励；我的问题是如何获得这个奖励。例如，在《光环》中，杀人应该是正奖励（+1），死亡应该是负奖励（-1）。当你得分或死亡时，屏幕上没有指示灯。如果需要，我将使用Python和Tensorflow。你知道吗

Answer 1

最好的办法是使用音频提示。我知道一个事实，光环播音员发出一个特定的声音时，球员死亡或得到杀死。你知道吗

如果张量流有某种方法来捕捉音频，并将其与给定的样本进行比较，这可能是一种有效的方法来检查播放器是否被杀死或死亡。你知道吗

免责声明：我以前从未使用过TensorFlow。