Статьи и исследования

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
Читать оригинал Читать полную статью в первоисточнике
Почему это важно

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.

Оригинал статьи · Материал на AIHOT

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/

Смотреть все →