Deep reinforcement learning algorithms typically require vast amounts of data to train to a useful level of performance. Each time new data is encountered, the network must inefficiently update all of its parameters. Auxiliary memory units can help deep neural networks train more efficiently by separating computation from storage, and providing a means to rapidly store and retrieve precise information. We present four deep reinforcement learning models augmented with external memory, and benchmark their performance on ten tasks from the Arcade Learning Environment. Our discussion and insights will be helpful for future RL researchers developing their own memory agents.

Neuroninė kompiuterio sąsaja – tai alternatyvus būdas valdyti kompiuterį nenaudojant rankų. Ji gali būti apibrėžta, kaip komunikavimo sistema, kuri leidžia valdyti kompiuterį ar kitą skaitmeninį įrenginį, naudojant nervinės kilmės fiziologinius signalus. Pagrindinė neuroninės kompiuterio sąsajos taikymo sritis yra neįgaliesiems skirti įrenginiai. Tai ne tik specifiniai įrenginiai, tokie, kaip galūnių protezai, tačiau ir kompiuteriai su papildoma aparatine ir programine įranga, kuri leidžia žmonėms, nevaldantiems rankų, valdyti kompiuterį. Taip pat išmanieji invalido vežimėliai, kuriuos galima vairuoti nenaudojant rankų judesių. Šiame darbe analizuojama neuroninė kompiuterio sąsaja, skirta vežimėlio tipo roboto valdymui. Pateikiama mūsų sukurta neuroninės kompiuterio sąsajos sistema, gebanti nuskaityti žmogaus EEG ir galvos raumenų EMG signalus, juos apdoroti, klasifikuoti ir jų pagalba valdyti vežimėlio tipo robotą. Taip pat pateikiamas trijų komandų vežimėlio tipo roboto valdymo per galvos paviršinio EMG signalo lygį metodas. Pateikiami roboto valdymo taikant šį metodą tikslumo eksperimentai ir jų rezultatai. / Neural computer interface is alternative way to control computer without hands. It is defined as a communication system which allows user control computer or any other digital device using neural breed physiological signal. The main application of neural computer interface is various devices for people with disabilities. For example, electronic prosthetic limbs, PC‘s with additional hardware and software which allows people with motor disabilities to control PC or intelligent wheelchairs. In this work we are analyzing neural computer interface applied for robot control. The author presents neural computer interface system which allows to read EEG and head surface EMG signals, pre-process the signals, classify the signals and control Arduino 4WD robot. We also propose approach to control robot with head surface EMG signal amplitude using 3 control commands. Robot control research using proposed approach is presented.