使用深度增强学习玩Atari游戏，不错的论文，值得一看，想快下

使用 TURGEN SYSTEM，您可以使用适用于 Atari 8 位计算机的软件创建自己的磁带，并使用数据记录器和磁带适配器将数据从 PC 或 Mac 传输到 Atari 8 位计算机。 将文件转换为原始标准 Atari 磁带记录以及各种“turbo”系统。 您可以创建 WAVE 文件、磁带图像或直接将信号发送到声卡。 文件向导、磁带端创建工具和批处理使您可以方便地创建磁带。

离线强化学习的乐观观点（ICML，2020年） 该项目使用框架提供开放源代码实施，以运行提到的实验。 在这项工作中，我们使用DQN代理的记录的经验在脱机设置（即 ）中训练非策略代理（如下所示），而在训练过程中不与环境进行任何新的交互。 有关项目页面，请参考 。 如何在50M数据集上训练脱机代理而没有RAM错误？ 请参阅 。 DQN重播数据集（记录的DQN数据） DQN重播数据集的收集方式如下：我们首先在60款训练代理，并为2亿帧（标准协议）启用了，并保存（观察，动作，奖励，下一个）的所有体验元组。观察） （约5000万）。 可以在公共gs://atari-replay-datasets中找到此记录的DQN数据，可以使用下载。 要安装gsutil，请按照的说明进行操作。 安装gsutil之后，运行命令以复制整个数据集： gsutil -m cp -R gs://atari-rep

文献翻译，格式做的比较认真，公式图片都做了翻译，格式符合规范。适用于作业，课设，毕设文献翻译

Atari DOS 3

Gopher2600是Atari 2600的仿真器。虽然性能不如其他某些仿真器有效，但它仍然适合在要求相当高的60fps的现代计算机上玩游戏。 （用于Gopher2600的开发机是i3-3225，可追溯到2012年左右。）Gopher2600 Gopher2600是Atari 2600的仿真器。尽管性能不如其他某些仿真器有效，但它仍然适合玩在一台相当现代的计算机上以60fps的速度进行游戏。 （用于Gopher2600的开发机一直是i3-3225，可追溯到2012年左右。）仿真的准确性非常高，尽管这很难证明。 当然，TIA或RIOT中没有已知的突出问题。 6507仿真也非常符合

A8E是由Sascha Springer用C编写的免费软件Atari 800 XL仿真器，它是完全从头开始开发的。 它为用户界面以及音频和图形输出使用SDL和OpenGL（可选）库。

Atari Pong中的深度强化学习算法 概括 此应用程序的目标是找出深度Q学习（DQN）在OpenAI环境中对Pong的Atari 1600游戏有多准确和有效。 在DQN之上，测试了对相同算法的其他改进，包括多步DQN，Double DQN和Dueling DQN。 从下图可以看出，基本DQN仅需玩约110场游戏即可达到类似于人的准确性，而经过300场游戏即可达到极高的准确性。 此项目中考虑的DQN改进版本显示出效率和准确性方面的一些改进。 基本DQN：第1集与第216集 环保环境 Atari 1600仿真器由OpenAI制作，您可以在59种不同的游戏上测试您的强化算法。 使用深度强化学习，因为输入是当前帧（210x160x3）的RGB图片。 由于RGB图片的计算量太大，因此变成了灰度。 接下来是将图像缩减采样并将其剪切到可播放区域，该区域的大小为84x84x1。 灰度，下采样和裁剪

Q-learning 实现Atari game - taxiv2，基于gym model。