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勵(lì)函數(shù)最大化訓(xùn)練的。獎勵(lì)在智能體之外，各個(gè)環(huán)境中的獎...

2018-08-18 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 4.2k 0

OpenAI發(fā)布了一個(gè)名為“Neural MMO”的大型多智能體游戲環(huán)境

作為一個(gè)簡單的基線團(tuán)隊(duì)使用普通的策略梯度來訓(xùn)練一個(gè)小型的、完全連接的體系結(jié)構(gòu)，將值函數(shù)基線和獎勵(lì)折扣作為唯一增強(qiáng)。智能體不會因?yàn)閷?shí)現(xiàn)特定的目標(biāo)而獲得獎勵(lì)...

2019-03-07 標(biāo)簽：可視化智能體強(qiáng)化學(xué)習(xí) 4.1k 0

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

長期來看，我們會擴(kuò)大獎勵(lì)建模的規(guī)模，將其應(yīng)用于人類難以評估的領(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) 4.1k 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)動計(jì)劃問題，其中機(jī)器人必須平衡環(huán)境探索和對高效軌跡的選擇。這就催生了既可以進(jìn)行...

2018-11-24 標(biāo)簽：機(jī)器人無人機(jī)智能體 4k 0

繼OpenAI發(fā)布Dota2的團(tuán)戰(zhàn)AI后，DeepMind今天也發(fā)布了自家的最新研究

為了讓這一過程更有趣，我們還設(shè)計(jì)了一個(gè)CTF的變體，其中的平面地圖每一場都不一樣。結(jié)果我們的智能體被迫學(xué)習(xí)到了一種“通用策略”，而非靠對地圖的記憶獲勝。...

2018-07-08 標(biāo)簽：機(jī)器人智能體DeepMind 4k 0

DeepMind分享了他們在多智能體學(xué)習(xí)方面的進(jìn)展

由此產(chǎn)生的智能體，我們稱之為For The Win（FTW）智能體，它學(xué)會了以非常高的標(biāo)準(zhǔn)玩CTF。最重要的是，學(xué)會的智能體策略對地圖的大小、隊(duì)友的數(shù)量...

2018-07-05 標(biāo)簽：人工智能智能體DeepMind 3.9k 0

OpenAI提出了一種回報(bào)設(shè)置方法RND

在開發(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，他們測試了在沒有環(huán)境特定回報(bào)的情況下，智能體的學(xué)習(xí)情況。因?yàn)閺睦碚撋蟻碚f，...

2018-11-05 標(biāo)簽：機(jī)器學(xué)習(xí)智能體強(qiáng)化學(xué)習(xí) 3.9k 0

AI智能體學(xué)習(xí)如何跑步、躲避跨越障礙物

在深度強(qiáng)化學(xué)習(xí)中，智能體是由神經(jīng)網(wǎng)絡(luò)表示的。神經(jīng)網(wǎng)絡(luò)直接與環(huán)境相互作用。它觀察環(huán)境的當(dāng)前狀態(tài)，并根據(jù)當(dāng)前狀態(tài)和過去的經(jīng)驗(yàn)決定采取何種行動（例如向左、向右...

2018-10-22 標(biāo)簽：智能體強(qiáng)化學(xué)習(xí) 3.8k 0

OpenAI的研究人員開發(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 3.8k 0

DeepMind開發(fā)了PopArt，解決了不同游戲獎勵(lì)機(jī)制規(guī)范化的問題

我們將PopArt應(yīng)用于Importance-weighted Actor-Learner Architecture (IMPALA)，這是DeepMi...

2018-09-16 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)智能體DeepMind 3.7k 0

一種從視頻中學(xué)習(xí)技能的框架（skills from videos，SFV）

由于基于單幀圖像預(yù)測的位姿是不連續(xù)的，在上圖中可以看到明顯不連貫的動作。同時(shí)由于估計(jì)器某些錯(cuò)誤估計(jì)的存在會產(chǎn)生一系列奇異結(jié)果造成估計(jì)的位姿出現(xiàn)跳變。這會...

2018-10-18 標(biāo)簽：計(jì)算機(jī)視覺智能體YouTube 3.6k 0

Deepmind“好奇心學(xué)習(xí)”新機(jī)制：讓智能體不再偷懶

盡管在過去有許多嘗試來形成好奇心，但本文關(guān)注的是一種自然且非常流行的方法：基于“意外”的好奇心機(jī)制。最近一篇題為“Curiosity-driven Ex...

2018-10-26 標(biāo)簽：機(jī)器人智能體 3.5k 0

UC Berkeley大學(xué)的研究人員們利用深度姿態(tài)估計(jì)和深度學(xué)習(xí)技術(shù)

給定一段視頻，我們用基于視覺的動作估計(jì)器預(yù)測每一幀演員的動作qt。該動作預(yù)測器是建立在人類網(wǎng)格復(fù)原這一工作之上的（akanazawa.github.io...

2018-10-12 標(biāo)簽：計(jì)算機(jī)視覺智能體深度學(xué)習(xí) 3.4k 0

Gibson能讓算法同時(shí)探索感知和運(yùn)動

Gibson的主要目標(biāo)是幫助在現(xiàn)實(shí)環(huán)境中訓(xùn)練的模型完成遷移，這一過程分為兩步。首先，在現(xiàn)實(shí)環(huán)境中表現(xiàn)自己的語義復(fù)雜性，并根據(jù)掃描過的真是場景構(gòu)造環(huán)境，而...

2018-09-06 標(biāo)簽：機(jī)器人計(jì)算機(jī)視覺智能體 3.4k 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 3.1k 0

AI智能體的能力還會繼續(xù)提高嗎？

奪旗原本是一項(xiàng)廣受歡迎的戶外運(yùn)動，被廣泛的應(yīng)用于電子游戲中。在一張給定的地圖中，紅藍(lán)雙方保護(hù)自己的旗子并搶奪對方旗子，5分鐘時(shí)間內(nèi)，奪旗次數(shù)最多的隊(duì)伍獲...

2019-06-02 標(biāo)簽：AI智能體強(qiáng)化學(xué)習(xí) 3.1k 0