Kenneth O. Stanley和Jeff Clune是共同高级作者。
在深增强学习（RL）中，解决Atari Games蒙特萨州的复仇和陷阱一直是一个大挑战。这些游戏代表着广泛的挑战性，现实世界问题......
Adrien Ecoffet.
Adrien Ecoffet是一个有优步雷竞技是骗人的AI实验室的研究科学家。
工程博客文章雷竞技到底好不好用
雷竞技是骗人的调查报告
具有深度确定性动态梯度的Q（S，S'）
A. Edwards.，Himanshu Sahni，R. Liu.那J. Hung.那A. Jain.那王王那A. Ecoffet.那T. Miconi.，c. isbell，J. Yosinski.
在本文中，我们引入了一种新颖的价值函数形式Q（S，S'），其表示从状态S转换到相邻状态S'，然后此后的最佳地作用。为了获得最佳策略，我们开发了一个前向动态模型，该模型学会进行下一个最大化此值的下一个状态预测。[...][PDF]
国际机器学习会议（ICML.），2020年
在本文中，我们引入了一种新颖的价值函数形式Q（S，S'），其表示从状态S转换到相邻状态S'，然后此后的最佳地作用。为了获得最佳策略，我们开发了一个前向动态模型，该模型学会进行下一个最大化此值的下一个状态预测。[...][PDF]
国际机器学习会议（ICML.），2020年
探索：一种新的硬探索问题方法
A. Ecoffet.那J. Huizationa.那J. Lehman.那K.斯坦利那J. Clune.
强化学习的大挑战是聪明的探索，特别是当奖励稀疏或欺骗时。两个Atari游戏作为这种艰难探索域名的基准：蒙特州的复仇和陷阱。在两个游戏中，当前的RL算法表现不佳，即使是具有内在动机的那些，也是提高硬勘探结构域上性能的主导方法。[...][PDF]
2019年
强化学习的大挑战是聪明的探索，特别是当奖励稀疏或欺骗时。两个Atari游戏作为这种艰难探索域名的基准：蒙特州的复仇和陷阱。在两个游戏中，当前的RL算法表现不佳，即使是具有内在动机的那些，也是提高硬勘探结构域上性能的主导方法。[...][PDF]
2019年
