OpenAI·· 2018-10-31AI 评分45
OpenAI 提出基于预测奖励的强化学习方法 RND
Reinforcement learning with prediction-based rewards
AI 导读
OpenAI 开发了随机网络蒸馏(Random Network Distillation, RND)方法,这是一种基于预测的奖励机制,旨在通过好奇心驱动强化学习智能体探索环境。RND 在蒙特祖玛的复仇(Montezuma’s Revenge)游戏中首次超越了人类平均表现。
来源:OpenAI · openai.com