OpenAI обучила агента по одной человеческой демонстрации до 74500 очков в Montezuma's Revenge
Оригинальный заголовок:Learning Montezuma’s Revenge from a single demonstration
ИИ-резюме
Агент, обученный OpenAI всего по одной человеческой демонстрации, набрал 74500 очков в Montezuma's Revenge, превысив ранее опубликованный лучший результат. Алгоритм начинает непрерывную игру с тщательно отобранных из демонстрации состояний и учится, оптимизируя игровой счёт с помощью PPO — того же алгоритма обучения с подкреплением, что лежит в основе OpenAI Five.
Ключевые моменты
- Агент,обученный OpenAI всего по одной человеческой демонстрации,набрал 74500 очков в Montezuma's…
- Алгоритм начинает непрерывную игру с тщательно отобранных из демонстрации состояний и…
- что лежит в основе OpenAI Five.
Кратко
- Опубликовано
- Обновлено
- Источник
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- Категория
- Статьи и исследования
- Оценка ИИ
- 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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: OpenAI обучила агента по одной человеческой демонстрации до 74500 очков в Montezuma's Revenge. 4 июля 2018. https://new.nat6.net/ru/news/h6mlstx26g1p8egfntspy49mp/