雷鋒網(wǎng)按：這里是，雷鋒字幕組編譯的Two minutes paper專欄，每周帶大家用碎片時(shí)間閱覽前沿技術(shù)，了解AI領(lǐng)域的最新研究成果。

原標(biāo)題 DeepMind's AI Learns Complex Behaviors From Scratch | Two Minute Papers #239

翻譯 | 徐速  廖穎    字幕 | 凡江    整理 | 李逸帆  吳璇

本期論文：Learning by Playing - Solving Sparse Reward Tasks from Scratch

前些日子，DeepMind為AI機(jī)器人創(chuàng)建了一種全新的強(qiáng)化學(xué)習(xí)模式，名為SAC-X（預(yù)定輔助控制），能夠?yàn)闄C(jī)器人提供一個(gè)簡(jiǎn)單目標(biāo)，并在完成時(shí)提供獎(jiǎng)勵(lì)。

?每周一篇2分鐘論文視頻解讀

論文解讀視頻中，我們可以看到有機(jī)器人在協(xié)助生產(chǎn)，但機(jī)器人沒有預(yù)裝任何特定程序，沒有任何老師指導(dǎo)學(xué)習(xí)算法，也沒有對(duì)環(huán)境的先驗(yàn)知識(shí)，只是在摸索如何達(dá)到人們的要求，并且獲得相應(yīng)的獎(jiǎng)勵(lì)。

SAC-X 通過給予機(jī)器人獎(jiǎng)勵(lì)反饋，讓機(jī)器人從零開始學(xué)會(huì)復(fù)雜操作。這個(gè)配置有系列通用輔助任務(wù)的機(jī)器人，試圖通過off-policy強(qiáng)化學(xué)習(xí)慢慢完成任務(wù)。過程中，研究人員不會(huì)手把手教機(jī)器人完成任務(wù)，只會(huì)開啟機(jī)器配備的感測(cè)器，剩下的留給機(jī)器自己探索，直到任務(wù)完成為止。

這個(gè)方法背后的創(chuàng)新點(diǎn)在于，“預(yù)定的動(dòng)作”和“輔助策略操作”能讓機(jī)器人有效摸索周邊環(huán)境，機(jī)器人在獎(jiǎng)勵(lì)非常稀疏的情況下，也能表現(xiàn)得非常好。在有挑戰(zhàn)性的機(jī)器人操作設(shè)定演示實(shí)驗(yàn)中，這樣的方法也能奏效。

論文原址 https://arxiv.org/abs/1802.10567 雷鋒網(wǎng)雷鋒網(wǎng)

---

雷鋒字幕組正在招募中

掃描下方二維碼

備注“雷鋒字幕組+姓名”加入我們吧

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。