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(guò)程

在傳統(tǒng)的多智體學(xué)習(xí)過(guò)程當(dāng)中，有研究者在對(duì)其他智能體建模 (也即“對(duì)手建模”, 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) 5.7k 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 6.4k 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 9.6k 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(wèn)題，自主地推理和規(guī)劃并選擇適當(dāng)?shù)牟呗?，并以特定的方式影響環(huán)境。

2019-01-10 標(biāo)簽：智能體多智能體系統(tǒng) 1.6萬(wàn) 0

在機(jī)器學(xué)習(xí)領(lǐng)域引入了一種新的隱寫術(shù)，稱為“訓(xùn)練集偽裝

在研究人員設(shè)想的場(chǎng)景中，名為Eve的第三個(gè)智能體扮演數(shù)據(jù)檢驗(yàn)者的角色，監(jiān)視Alice和Bob之間的通信。當(dāng)Eve對(duì)Alice發(fā)送給Bob的內(nèi)容產(chǎn)生懷疑時(shí)...

2019-01-08 標(biāo)簽：圖像機(jī)器學(xué)習(xí)智能體 3k 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(lái)控制移動(dòng)，而右下角則設(shè)置按鈕來(lái)控制技能?？赏ㄟ^(guò)主屏幕觀察周圍環(huán)境，還可以通過(guò)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 4.3k 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(wú)法通...

2018-12-17 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 5.3k 0

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

普通的強(qiáng)化學(xué)習(xí)算法通常無(wú)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?tīng)?..

2018-12-03 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 1.8萬(wàn) 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(lái)，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(lái)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 4.8k 0

智能體的連接問(wèn)題,如何創(chuàng)建能符合人類目標(biāo)的智能體？

長(zhǎng)期來(lái)看，我們會(huì)擴(kuò)大獎(jiǎng)勵(lì)建模的規(guī)模，將其應(yīng)用于人類難以評(píng)估的領(lǐng)域。為了做到這一點(diǎn)，我們需要增強(qiáng)用戶衡量輸出的能力。我們討論了如何循環(huán)應(yīng)用獎(jiǎng)勵(lì)建模：我們可...

2018-11-24 標(biāo)簽：機(jī)器學(xué)習(xí)智能體強(qiáng)化學(xué)習(xí) 4k 0

研究人員們提出了一種新的導(dǎo)航工具SafeRoute

另外，策略網(wǎng)絡(luò)表示強(qiáng)化學(xué)習(xí)智能體使用的隨機(jī)策略，用πθ(s, a) = p(a|s;θ)表示，其中θ是神經(jīng)網(wǎng)絡(luò)的參數(shù)列表，會(huì)用Adam優(yōu)化器進(jìn)行更新。系...

2018-11-24 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)智能體強(qiáng)化學(xué)習(xí) 2.8k 0

伯克利的研究人員提出了一種通用的自適應(yīng)感知方法AdaSearch

傳統(tǒng)上，機(jī)器人領(lǐng)域?qū)⒕呱硭阉鳎╡mbodied search）看作持續(xù)的運(yùn)動(dòng)計(jì)劃問(wèn)題，其中機(jī)器人必須平衡環(huán)境探索和對(duì)高效軌跡的選擇。這就催生了既可以進(jìn)行...

2018-11-24 標(biāo)簽：機(jī)器人無(wú)人機(jī)智能體 3.9k 0

基于模型的學(xué)習(xí)vs無(wú)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(guò)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) 7.8k 0

OpenAI的研究人員開(kāi)發(fā)了一套基于能量的神經(jīng)網(wǎng)絡(luò)模型

訓(xùn)練數(shù)據(jù)由（注意掩膜、狀態(tài)）的軌跡組成，提前生成的軌跡用于確認(rèn)我們希望模型學(xué)習(xí)的特定概念。我們?yōu)榻o定概念集提供一組演示（通常為5次）來(lái)訓(xùn)練模型，然后將模...

2018-11-10 標(biāo)簽：機(jī)器人神經(jīng)網(wǎng)絡(luò)智能體 3.7k 0

OpenAI提出了一種回報(bào)設(shè)置方法RND

在開(kāi)發(fā)RND之前，OpenAI的研究人員和加州大學(xué)伯克利分校的學(xué)者進(jìn)行了合作，他們測(cè)試了在沒(méi)有環(huán)境特定回報(bào)的情況下，智能體的學(xué)習(xí)情況。因?yàn)閺睦碚撋蟻?lái)說(shuō)，...

2018-11-05 標(biāo)簽：機(jī)器學(xué)習(xí)智能體強(qiáng)化學(xué)習(xí) 3.7k 0

讓強(qiáng)化學(xué)習(xí)智能體像人類一樣穿短袖、襯衫等衣服

要為一個(gè)子任務(wù)生成成功策略需要數(shù)小時(shí)的模擬和優(yōu)化。高計(jì)算成本也有好處，這樣一來(lái)，最終結(jié)果就不是單一的動(dòng)畫，而是智能體的控制策略，可以處理多種情況，比如不...

2018-11-05 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 2.3k 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(lái)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) 4.4k 0