Atari游戲史上最強通關算法來了——Go-Explore！

普通的強化學習算法通常無法從蒙特祖瑪?shù)牡谝粋€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新狀...

2018-12-03 標簽：智能體強化學習 1.7萬 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，強化學習在許多復雜游戲環(huán)境中取得了令人矚目的成績，從Atari游戲、圍棋、象棋到Dota 2和星際爭霸II，AI智能體在越來越復雜的領域迅速超越...

2018-11-24 標簽：AI機器學習智能體 4277 0

智能體的連接問題,如何創(chuàng)建能符合人類目標的智能體？

長期來看，我們會擴大獎勵建模的規(guī)模，將其應用于人類難以評估的領域。為了做到這一點，我們需要增強用戶衡量輸出的能力。我們討論了如何循環(huán)應用獎勵建模：我們可...

2018-11-24 標簽：機器學習智能體強化學習 3346 0

研究人員們提出了一種新的導航工具SafeRoute

另外，策略網(wǎng)絡表示強化學習智能體使用的隨機策略，用πθ(s, a) = p(a|s;θ)表示，其中θ是神經(jīng)網(wǎng)絡的參數(shù)列表，會用Adam優(yōu)化器進行更新。系...

2018-11-24 標簽：神經(jīng)網(wǎng)絡智能體強化學習 2525 0

伯克利的研究人員提出了一種通用的自適應感知方法AdaSearch

傳統(tǒng)上，機器人領域?qū)⒕呱硭阉鳎╡mbodied search）看作持續(xù)的運動計劃問題，其中機器人必須平衡環(huán)境探索和對高效軌跡的選擇。這就催生了既可以進行...

2018-11-24 標簽：機器人無人機智能體 3538 0

基于模型的學習vs無模型學習

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

2018-11-22 標簽：智能體強化學習 7181 0

OpenAI的研究人員開發(fā)了一套基于能量的神經(jīng)網(wǎng)絡模型

訓練數(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我們希望模型學習的特定概念。我們?yōu)榻o定概念集提供一組演示（通常為5次）來訓練模型，然后將模...

2018-11-10 標簽：機器人神經(jīng)網(wǎng)絡智能體 3215 0

OpenAI提出了一種回報設置方法RND

在開發(fā)RND之前，OpenAI的研究人員和加州大學伯克利分校的學者進行了合作，他們測試了在沒有環(huán)境特定回報的情況下，智能體的學習情況。因為從理論上來說，...

2018-11-05 標簽：機器學習智能體強化學習 3205 0

讓強化學習智能體像人類一樣穿短袖、襯衫等衣服

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

2018-11-05 標簽：智能體強化學習 1903 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

當你在超市中搜索時，心里可能會想：現(xiàn)在我在肉類區(qū)域，所以接下來可能到水產(chǎn)品區(qū)。這些都應該是相近的。如果你預測錯了，可能會驚訝：誒？怎么是蔬菜區(qū)？從而得到...

2018-10-27 標簽：谷歌智能體強化學習 3993 0

Deepmind“好奇心學習”新機制：讓智能體不再偷懶

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

2018-10-26 標簽：機器人智能體 3002 0

AI智能體學習如何跑步、躲避跨越障礙物

在深度強化學習中，智能體是由神經(jīng)網(wǎng)絡表示的。神經(jīng)網(wǎng)絡直接與環(huán)境相互作用。它觀察環(huán)境的當前狀態(tài)，并根據(jù)當前狀態(tài)和過去的經(jīng)驗決定采取何種行動（例如向左、向右...

2018-10-22 標簽：智能體強化學習 3180 0

伯克利那個會“18般武藝”的DeepMimic模型開源了！

整個DeepMimic所需要的input分為三部分：一個被稱為Character的Agent模型；希望Agent學習的參考動作（reference mo...

2018-10-19 標簽：AI智能體強化學習 4921 0

DeepMind開源了一個內(nèi)部強化學習庫TRFL

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

2018-10-19 標簽：智能體強化學習DeepMind 5100 0

一種從視頻中學習技能的框架（skills from videos，SFV）

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

2018-10-18 標簽：計算機視覺智能體YouTube 2983 0

UC Berkeley大學的研究人員們利用深度姿態(tài)估計和深度學習技術

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

2018-10-12 標簽：計算機視覺智能體深度學習 2840 0

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

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

2018-09-16 標簽：神經(jīng)網(wǎng)絡智能體DeepMind 3185 0

用PopArt進行多任務深度強化學習

按照以往的做法，如果研究人員要用強化學習算法對獎勵進行剪枝，以此克服獎勵范圍各不相同的問題，他們首先會把大的獎勵設為+1，小的獎勵為-1，然后對預期獎勵...

2018-09-16 標簽：人工智能智能體強化學習 5702 0

Gibson能讓算法同時探索感知和運動

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

2018-09-06 標簽：機器人計算機視覺智能體 2979 0

基于TensorFlow的開源強化學習框架 Dopamine

對于新的研究人員來說，能夠根據(jù)既定方法快速對其想法進行基準測試非常重要。因此，我們?yōu)?Arcade 學習環(huán)境支持的 60 個游戲提供四個智能體的完整培訓...

2018-08-31 標簽：智能體強化學習TensorFlow 4943 0