跳到正文
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