如何讓多個(gè)智能體學(xué)會(huì)一起完成同一個(gè)任務(wù)，學(xué)會(huì)彼此合作和相互競(jìng)爭(zhēng)

多智體強(qiáng)化學(xué)習(xí)（Multi-agent reinforcement learning, MARL）假設(shè)有一組處在相同環(huán)境下的自主智能體。在MARL中學(xué)習(xí)...

2018-06-27 標(biāo)簽：人工智能智能體強(qiáng)化學(xué)習(xí) 1.8萬 0

Atari游戲史上最強(qiáng)通關(guān)算法來了——Go-Explore！

普通的強(qiáng)化學(xué)習(xí)算法通常無法從蒙特祖瑪?shù)牡谝粋€(gè)房間（得分400或更低）中跳出，在Pitfall中得分為0或更低。為了解決這類挑戰(zhàn)，研究人員在智能體到達(dá)新狀...

2018-12-03 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 1.8萬 0

多智能體系統(tǒng)的特點(diǎn)

在多智能體系統(tǒng)中，每個(gè)智能體具有獨(dú)立性和自主性，能夠解決給定的子問題，自主地推理和規(guī)劃并選擇適當(dāng)?shù)牟呗裕⒁蕴囟ǖ姆绞接绊懎h(huán)境。

2019-01-10 標(biāo)簽：智能體多智能體系統(tǒng) 1.5萬 0

智能體的基本特性

本視頻主要詳細(xì)介紹智能體的基本特性，分別是自治性（Autonomy）、反應(yīng)性（Reactive）、主動(dòng)性（Proactive）、社會(huì)性（Social）、進(jìn)化性。

2019-01-12 標(biāo)簽：智能體 9138 0

強(qiáng)化學(xué)習(xí)的經(jīng)典基礎(chǔ)性缺陷可能限制它解決很多復(fù)雜問題

這些都是除了從零學(xué)習(xí)之外的強(qiáng)化學(xué)習(xí)方法。特別是元學(xué)習(xí)和零次學(xué)習(xí)體現(xiàn)了人在學(xué)習(xí)一種新技能時(shí)更有可能的做法，與純強(qiáng)化學(xué)習(xí)有差別。一個(gè)元學(xué)習(xí)智能體會(huì)利用先驗(yàn)知...

2018-07-14 標(biāo)簽：智能體深度學(xué)習(xí)強(qiáng)化學(xué)習(xí) 8209 0

基于模型的學(xué)習(xí)vs無模型學(xué)習(xí)

需要注意的是，這種方法只能應(yīng)用于偶爾發(fā)生的馬爾科夫決策過程。原因是在計(jì)算任意返回之前，這一episode就要停止。我們并不在每次動(dòng)作結(jié)束后就更新，而是在...

2018-11-22 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 7605 0

DeepMind的“星際2”智能體AlphaStar實(shí)際上是演化算法？

在AlphaStar中，用于訓(xùn)練智能體的基于人口的訓(xùn)練策略（PBT）是使用拉馬克進(jìn)化（LE）的模因算法：在內(nèi)環(huán)中，使用反向傳播連續(xù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，而在外環(huán)...

2019-02-13 標(biāo)簽：智能體深度學(xué)習(xí)DeepMind 6112 0

用PopArt進(jìn)行多任務(wù)深度強(qiáng)化學(xué)習(xí)

按照以往的做法，如果研究人員要用強(qiáng)化學(xué)習(xí)算法對(duì)獎(jiǎng)勵(lì)進(jìn)行剪枝，以此克服獎(jiǎng)勵(lì)范圍各不相同的問題，他們首先會(huì)把大的獎(jiǎng)勵(lì)設(shè)為+1，小的獎(jiǎng)勵(lì)為-1，然后對(duì)預(yù)期獎(jiǎng)勵(lì)...

2018-09-16 標(biāo)簽：人工智能智能體強(qiáng)化學(xué)習(xí) 6036 0

多智體深度強(qiáng)化學(xué)習(xí)研究中首次將概率遞歸推理引入AI的學(xué)習(xí)過程

在傳統(tǒng)的多智體學(xué)習(xí)過程當(dāng)中，有研究者在對(duì)其他智能體建模 (也即“對(duì)手建?！? opponent modeling) 時(shí)使用了遞歸推理，但由于算法復(fù)雜和計(jì)...

2019-03-05 標(biāo)簽：AI智能體強(qiáng)化學(xué)習(xí) 5341 0

DeepMind開源了一個(gè)內(nèi)部強(qiáng)化學(xué)習(xí)庫TRFL

TRFL庫包含實(shí)現(xiàn)經(jīng)典RL算法以及更前沿技術(shù)的許多函數(shù)。這里提供的損失函數(shù)和其他操作是在純TensorFlow中實(shí)現(xiàn)的。它們不是完整的算法，而是在構(gòu)建功...

2018-10-19 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí)DeepMind 5274 0

伯克利那個(gè)會(huì)“18般武藝”的DeepMimic模型開源了！

整個(gè)DeepMimic所需要的input分為三部分：一個(gè)被稱為Character的Agent模型；希望Agent學(xué)習(xí)的參考動(dòng)作（reference mo...

2018-10-19 標(biāo)簽：AI智能體強(qiáng)化學(xué)習(xí) 5186 0

基于TensorFlow的開源強(qiáng)化學(xué)習(xí)框架 Dopamine

對(duì)于新的研究人員來說，能夠根據(jù)既定方法快速對(duì)其想法進(jìn)行基準(zhǔn)測(cè)試非常重要。因此，我們?yōu)?Arcade 學(xué)習(xí)環(huán)境支持的 60 個(gè)游戲提供四個(gè)智能體的完整培訓(xùn)...

2018-08-31 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí)TensorFlow 5157 0

DeepMind和OpenAI攻克蒙特祖瑪?shù)膹?fù)仇并沒有看上去意義那么重大

在這篇文章中，我想討論的是，這些方法是為了解決蒙特祖瑪?shù)膹?fù)仇游戲的第一個(gè)關(guān)卡，以及為什么在游戲環(huán)境以及Deep RL的長(zhǎng)期目標(biāo)中，這些方法并沒有看上去意...

2018-07-24 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 5105 0

伯克利RISELab推出了多主體強(qiáng)化學(xué)習(xí)包Ray RLlib 0.6.0

在緩解交通擁堵方面，只需要控制極少量自動(dòng)駕駛車輛的速度，就能大幅度提高交通流的效率。多主體強(qiáng)化學(xué)習(xí)就可以用于這樣的場(chǎng)景，在混合駕駛的情況下我們暫時(shí)無法通...

2018-12-17 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 4967 0

如何讓AI符合人類的意圖？如何創(chuàng)建符合用戶意圖的智能體？

近年來，強(qiáng)化學(xué)習(xí)在許多復(fù)雜游戲環(huán)境中取得了令人矚目的成績(jī)，從Atari游戲、圍棋、象棋到Dota 2和星際爭(zhēng)霸II，AI智能體在越來越復(fù)雜的領(lǐng)域迅速超越...

2018-11-24 標(biāo)簽：AI機(jī)器學(xué)習(xí)智能體 4520 0

一種新型的基于情景記憶的模型，能夠讓智能體用“好奇心”探索環(huán)境

當(dāng)你在超市中搜索時(shí)，心里可能會(huì)想：現(xiàn)在我在肉類區(qū)域，所以接下來可能到水產(chǎn)品區(qū)。這些都應(yīng)該是相近的。如果你預(yù)測(cè)錯(cuò)了，可能會(huì)驚訝：誒？怎么是蔬菜區(qū)？從而得到...

2018-10-27 標(biāo)簽：谷歌智能體強(qiáng)化學(xué)習(xí) 4189 0

終于，AI還是對(duì)《王者榮耀》下手了

如圖所示。玩家使用左下角轉(zhuǎn)向按鈕來控制移動(dòng)，而右下角則設(shè)置按鈕來控制技能?？赏ㄟ^主屏幕觀察周圍環(huán)境，還可以通過左上角迷你地圖了解完整的地圖情況，其中可觀...

2018-12-25 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)AI智能體 4020 0

強(qiáng)化學(xué)習(xí)作為一種常用的訓(xùn)練智能體的方法，能夠完成很多復(fù)雜的任務(wù)。在強(qiáng)化學(xué)習(xí)中，智能體的策略是通過將獎(jiǎng)勵(lì)函數(shù)最大化訓(xùn)練的。獎(jiǎng)勵(lì)在智能體之外，各個(gè)環(huán)境中的獎(jiǎng)...

2018-08-18 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 3930 0