超级会员免费看
本文探讨了强化学习（RL）的发展，强调了它在自动驾驶中的应用。从基本的Gridworld环境到复杂的自动驾驶场景，RL面临的挑战包括维度诅咒和训练需求。文章介绍了Q-learning和Policy Gradients等方法在端到端深度学习中的应用，以及它们如何逐步解决自动驾驶问题。然而，真实世界的驾驶环境带来了很多变数，需要大量训练和应对异常情况的能力。尽管取得了进步，但完全自动驾驶汽车的实现仍面临诸多挑战，尤其是处理不可预见的边缘情况。
0. Agents, Environments, and Rewards
在过去几年中，人工智能研究人员发表的许多主要公告都是一门称为强化学习（RL）的学科。 最近的突破主要是由经典RL创意的微小转折所驱动，这得益于强大的计算硬件和利用所述硬件的软件的可用性。
为了了解现代深度RL模型对于计算的饥饿程度，下表是最近RL进展的非详尽集合以及完成每项任务所需的计算资源的估计。
请注意，上表中的任务都经过模拟训练（即使是灵巧的机器人手），并且在大多数情况下，这是所需训练时间易于处理的唯一方法。对于像自动驾驶汽车这样的实际应用来说，这可能会变得特别棘手 - 稍后会更多关于该主题。
随着RL代理人在日益复杂的环境中解决任务，他们成为维度诅咒的牺牲品。这种复杂性的组合爆炸解释了像Dota Five这样的团队游戏机器人需要在数天内每天训练900年才能在非常有能力的硬件上击败顶级人类玩家。即使有像OpenAI用于Dota Five的那些可笑的计算资源，特别是深RL也有许多棘手的问题，这些问题最多只能使训练效率低下，而且最坏的情况是，许多问题基本上是难以处理的。
值得注意的是
订阅专栏 解锁全文
扫一扫
946
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
