OpenAI melatih agen dengan satu demonstrasi manusia mencapai 74500 poin di Montezuma's Revenge
Judul asli:Learning Montezuma’s Revenge from a single demonstration
Ringkasan AI
Agen yang dilatih OpenAI hanya berangkat dari satu demonstrasi manusia, meraih skor tinggi 74500 poin di Montezuma's Revenge, melampaui hasil terbaik yang telah dipublikasikan sebelumnya. Algoritme bekerja dengan memulai permainan berkelanjutan dari keadaan yang dipilih secara cermat dari demonstrasi, menggunakan PPO untuk mengoptimalkan skor permainan dalam pembelajaran; PPO juga merupakan algoritme pembelajaran penguatan yang sama yang mendukung OpenAI Five.
Poin utama
- Agen yang dilatih OpenAI hanya berangkat dari satu demonstrasi manusia,meraih skor tinggi 74500…
- Algoritme bekerja dengan memulai permainan berkelanjutan dari keadaan yang dipilih secara cermat…
- PPO juga merupakan algoritme pembelajaran penguatan yang sama yang mendukung OpenAI Five.
Ringkasan cepat
- Waktu terbit
- Waktu diperbarui
- Sumber
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Kategori
- Makalah & Riset
- Skor AI
- 66
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。
Entitas Terkait
Sumber dan hak cipta
Artikel ini disusun berdasarkan judul pilihan dan ringkasan AI dari API publik AIHOT, dengan sumber yang dicantumkan dan tautan balik; hak cipta konten asli milik media dan penulis aslinya, situs ini tidak menyalin artikel secara penuh.
Cara mengutip
Saat mengutip artikel ini, sertakan judul, tanggal, dan tautan permanen, serta cantumkan sumber Orange News.
Orange News: OpenAI melatih agen dengan satu demonstrasi manusia mencapai 74500 poin di Montezuma's Revenge. 4 Juli 2018. https://new.nat6.net/id/news/h6mlstx26g1p8egfntspy49mp/