아케이드 학습 환경: 일반 에이전트를 위한 평가 플랫폼

이 글에서는 Arcade Learning Environment (ALE)를 소개합니다. ALE는 일반적인, 영역에 종속되지 않는 인공지능(AI) 기술의 개발을 평가하기 위한 도전 과제이자 플랫폼 및 방법론입니다. ALE는 수백 개의 Atari 2600 게임 환경에 대한 인터페이스를 제공하며, 각각의 게임은 다르고 흥미롭게 설계되어 인간 플레이어에게 도전이 됩니다. ALE는 강화학습, 모델 학습, 모델 기반 계획, 모방 학습, 전이 학습, 그리고 내재적 동기부여 등에 있어 중요한 연구 과제를 제시합니다. 무엇보다도, 이는 이러한 문제에 대한 접근 방식을 평가하고 비교하기 위한 엄격한 테스트베드를 제공합니다. 우리는 잘 알려진 AI 기법을 사용하여 강화학습과 계획에 대한 영역에 종속되지 않는 에이전트를 개발하고 벤치마킹함으로써 ALE의 잠재력을 보여줍니다. 이를 통해 ALE가 가능하게 하는 평가 방법론을 제안하며, 55개 이상의 다양한 게임에서 경험적 결과를 보고합니다. 모든 소프트웨어, 벤치마크 에이전트 포함하여 공개적으로 이용할 수 있습니다.