पेपर और शोध

OpenAI ने एक ही ह्यूमन डेमोंस्ट्रेशन से Montezuma's Revenge पर 74500 स्कोर प्राप्त करने वाला एआई एजेंट प्रशिक्षित किया

मूल शीर्षक:Learning Montezuma’s Revenge from a single demonstration

AI सारांश

OpenAI द्वारा प्रशिक्षित एक एआई एजेंट ने केवल एक ह्यूमन डेमोंस्ट्रेशन का उपयोग करके Montezuma's Revenge में 74500 का स्कोर हासिल किया है, जो पिछले प्रकाशित सर्वोत्तम परिणामों से बेहतर है। एल्गोरिदम का दृष्टिकोण प्रदर्शन से सावधानीपूर्वक चुने गए स्टेट्स से गेम शुरू करना और गेम स्कोर को ऑप्टिमाइज़ करने के लिए PPO का उपयोग करना है, जो OpenAI Five को शक्ति देने वाला वही रीइन्फोर्समेंट लर्निंग एल्गोरिदम है।

मुख्य जानकारी

  • OpenAI द्वारा प्रशिक्षित एक एआई एजेंट ने केवल एक ह्यूमन डेमोंस्ट्रेशन का उपयोग करके Montezuma's…
  • जो पिछले प्रकाशित सर्वोत्तम परिणामों से बेहतर है। एल्गोरिदम का दृष्टिकोण प्रदर्शन से सावधानीपूर्वक…
  • जो OpenAI Five को शक्ति देने वाला वही रीइन्फोर्समेंट लर्निंग एल्गोरिदम है।

एक नज़र में

प्रकाशन समय
अपडेट समय
स्रोत
OpenAI:官网动态(RSS · 排除企业/客户案例)
श्रेणी
पेपर और शोध
AI स्कोर
66
मूल पढ़ें मूल स्रोत पर पूरा लेख पढ़ें
सुझाव का कारण

原文说明从单条人类演示中选取起始状态再用 PPO 优化得分的算法思路,读者可以理解这一强化学习方法的可迁移做法。

संबंधित एंटिटी

स्रोत और कॉपीराइट

यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।

मूल लिंक · AIHOT प्रविष्टि

उद्धरण कैसे दें

इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।

Orange News: OpenAI ने एक ही ह्यूमन डेमोंस्ट्रेशन से Montezuma's Revenge पर 74500 स्कोर प्राप्त करने वाला एआई एजेंट प्रशिक्षित किया। 4 जुलाई 2018। https://new.nat6.net/hi/news/h6mlstx26g1p8egfntspy49mp/

सभी देखें →