AI Qazaqstan
Компании

Материал түпнұсқа тілінде: English.

Learning Montezuma’s Revenge from a single demonstration

We’ve trained an agent to achieve a high score of 74,500 on Montezuma’s Revenge from a single human demonstration, better than any previously published result. Our algorithm is simple: the agent plays a sequence of games starting from carefully chosen states from the demonstration, and learns from them by optimizing the game score using PPO, the same reinforcement learning algorithm that underpins OpenAI Five.

2018 ж. 4 шілде · Дереккөз: OpenAI news

Толық мәтін дереккөзде қолжетімді.

Дереккөзде оқу →

Осы тақырыптан тағы

КомпанииАИ агенттерінің дымқыл зертхана туралы күнделікті ғылыммен қалай айналысатынын өлшеуOpenAI Bio BasicsBench-ті енгізеді, АИ агенттерінің өңделмеген эксперименттік деректерді қаншалықты жақсы түсіндіретінін және күнделікті ылғалды тақталар туралы ғылыммен айналысатынын өлшейтін 100 тапсырмалы эталондық көрсеткіш.OpenAI news