PPO Dash：在深层强化学习中改进泛化

原文题目：PPO Dash: Improving Generalization in Deep Reinforcement Learning

摘要：深度强化学习容易发生过度拟合，传统的基准(如Atari 2600基准)会加剧这一问题。障碍塔挑战通过使用随机环境和单独的种子进行训练、验证和测试来解决这一问题。本文研究了PPO算法的各种改进和最佳实践，利用障碍塔挑战，对其在泛化方面的影响进行了实证研究。我们的实验表明，该组合在障碍塔挑战提供了最先进的表现。

原文地址：https://arxiv.org/abs/1907.06704

作者：Joe Booth