Makalah & Riset

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
Baca aslinya Baca artikel lengkap di sumber aslinya
Alasan rekomendasi

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.

Tautan asli · Entri AIHOT

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/

Lihat semua →