清华大学交叉信息研究院高阳博士分享其团队新研究—— EfficientZero算法，该算法在Atari游戏中使用有限数据即可超越人类水平。基于模型的视觉RL方法，实现了在仅2小时训练数据下超过人类平均表现，且性能接近DQN在2亿帧时的表现，但数据消耗减少500倍，提升了强化学习在现实场景中的应用潜力。
当前强化学习已在许多应用中取得了巨大成功。但样本效率仍是强化学习中一个重大挑战，重要的方法需要数百万（甚至数十亿）的环境步骤来训练。虽然，当前在基于图像的样本高效RL算法方面取得了重大进展；但是，在Atari游戏基准上，要达到与人类水平相一致，仍然是一个难以实现的目标。
智源社区特邀请了清华大学交叉信息研究院助理教授高阳博士分享其团队的新研究《使用有限数据掌控Atari游戏》（ Mastering Atari Games with Limited Data）。
论文链接：https://arxiv.org/abs/2111.00210#
26
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
