1 前言
Deep Reinforcement Learning可以说是当前深度学习领域最前沿的研究方向，研究的目标即让机器人具备决策及运动控制能力。话说人类创造的机器灵活性还远远低于某些低等生物，比如蜜蜂。。DRL就是要干这个事，而是关键是使用神经网络来进行决策控制。
因此，考虑了一下，决定推出DRL前沿系列，第一时间推送了解到的DRL前沿，主要是介绍最新的研究成果，不讲解具体方法（考虑到博主本人也没办法那么快搞懂）。也因此，本文对于完全不了解这个领域，或者对这个领域感兴趣的童鞋都适合阅读。
下面进入正题。
2 Benchmarking Deep Reinforcement Learning for Continuous Control
文章出处：
时间：2016年4月25日 开源软件地址：这篇文章不是什么创新算法的文章，但却是极其重要的一篇文章，看到文章的第一眼就能看出来。这篇文章针对DRL在连续控制领域的问题弄了一个Benchmark，而且，关键是作者把程序开源了，按照作者的原话就是
To encourage adoption by other researchers!
在这篇文章中，或者说这个开源软件包中，作者将主流及前沿的几个用于连续控制领域的算法都用python复现了，然后将算法应用在31种不同难度的连续控制问题上。
那么一共分了四类任务： 1）简单任务：让倒立摆保持平衡之类
2）运动任务：让里面的虚拟生物往前跑，越快越好！
3）不完全可观察任务：即虚拟生物只能得到有限的感知信息，比如只知道每个关节的位置但不知道速度
4）层次化任务：包含顶层决策+底层控制。比如下面的让虚拟蚂蚁找食物或者让虚拟蛇走迷宫。这种难度就很大了。
那么有了同样的测试环境，就可以对不同的算法进行对比。
对比出来的结果就是：
- TNPG和TRPO这两个方法（UC Berkerley的Schulman提出，现在属于OpenAI）最好，DDPG（DeepMind的David Silver团队提出的）次之。
- 层次任务目前没有一个算法能够完成，催生新的algorithm。
然后文章并没有对DeepMind的A3C算法进行测试，而这个是目前按DeepMind的文章最好的算法.
3 小结
UC Berkerley这次的开源相信对于学术界来说具有重要影响，很多研究者将受益于他们对于复现算法的公开。之后的研究恐怕也会在此Benchmark上进行测试。