只需1 (只需12个简单的步骤)
近日，一项研究在学术界引起了广泛的关注和热议。有消息称，Deep Mind和Google已经在内部关门开会讨论了。粉丝众多的科技向youtube博主Yannic kicher甚至专门做了半个小时的视频来讲解这篇论文。学者们更是用“completely game- changing”、“major development in RL”、“this is impressive”来形它。其团队老师本人也在推特上表示： 在使用相同数据的情况下，这是RL智能体第一次直接从像素中获得了超越人类的性能！这会让通用强化学习更接近真实世界的场景，比如机器人的采样效率会是关注重点。
现在，就让我们隆重的介绍下本文的主角—— EfficientZero 。
EfficientZero算法是在清华大学交叉信息研究院高阳团队的新研究《使用有限数据掌控Atari游戏》（ Mastering Atari Games with Limited>EfficientZero的性能接近DQN（Deep Q-Learning）在 2 亿帧时的性能，但消耗的数据却减少了500 倍！ 它能够在贴近现实复杂情况的Atari（雅达利）游戏中，从零训练并只需两个小时，就可达到同等条件下人类平均水平的190.4%，或116.0%的中值性能。
样本效率一直是强化学习中最“令人头疼”的挑战，重要的方法需要数百万(甚至数十亿)环境步骤来训练。一种从MuZero模型改进而来的高效视觉RL算法—— EfficientZero，该模型从零开始训练，最终在Atari中仅用两个小时的训练数据上就超过了经过相同条件下的的人类平均水平。
MuZero是通过将基于树的搜索与经过学习的模型相结合，可以在一系列具有挑战性和视觉复杂的领域中，无需了解基本的动态变化即可实现出色性能。AI科技评论在以往的文章中对MuZero有过报道： DeepMind又出大招！新算法MuZero登顶Nature，AI离人类规划又近了一步 。那为什么会选择Atari游戏呢？Atari 游戏场景繁多，规则各异，一定程度上贴合现实复杂环境，因此长期被当作验证强化学习算法在多因素环境下的性能测试标准。EfficientZero的低样本复杂度和高性能可以使强化学习更接近现实世界的适用性。
如图所示，EfficientZero在人类平均标准得分中位数上分别比之前的SoTA性能出色170%和180%。是第一个在Atari 100k基准上优于人类平均性能的算法。
强化学习在挑战性的问题上取得了巨大的成功。如2015年DeepMind研发的DQN网络 、击败了中国围棋世界冠军柯洁的AlphaGo、和会在Dota2中打团战的OpenAI Five等等。但这些都是站在巨大数据量的“肩膀上”训练出来的策略。像AlphaZero从国际象棋小白到顶尖高手需要完成2100万场比赛，一个职业棋手每天大约只能完成5场比赛，这意味着人类棋手要11500年才能拥有相同的经验值。
在模拟和游戏中应用RL算法，样本复杂性不成阻碍。当涉及到现实生活中的问题时，例如机器人操作、医疗保健和广告推荐系统， 在保持低样本复杂性的同时实现高性能是能否可行的至关钥匙。
过去几年，我们在样本高效强化学习上已有许多成绩。来自真实环境的数据和来自模型的“想象数据”都可以训练策略。但大多数成功都是在基于状态的环境中。比如在基于图像的环境中，鱼和熊掌不可兼的情况比比皆是，MuZero和 Dreamer V2展示了超越人类的表现，但样本效率不高；SimPLe等其他方法非常有效，但性能较差。最近，在数据高效机制中，中数据增强和自监督方法应用无模型方法取得一定成功。然而，却依然达不到人类预期的水准。
为了提高样本效率并保持优越的性能，自监督环境模型、减轻模型复合误差的机制和纠正非策略问题的方法这三点对基于模型的视觉RL智能体至关重要。EfficientZero在MuZero的基础上，对这三点进行了改进：“利用时序预测一致性 (temporal contrastive consistency)，减少预测回报的不确定性 (aleatory uncertainty) 以及纠正离线策略价值的偏移 (off-policy correction)。”
在对DeepMind Control (DMControl)套件的模拟机器人环境进行的实验中，EfficientZero实现了最先进的性能，优于直接从真实状态中学习的模型state SAC，这进一步验证了EfficientZero的有效性。被有限数据“扼住”深度强化学习算法“喉咙”的时代也许不会再有了。
高阳 ：博士，清华大学交叉信息研究院助理教授。博士毕业于美国加州大学伯克利分校，本科毕业于清华大学计算机系。主要研究计算机视觉与机器人学。
原创文章，未经授权禁止转载。详情见 转载须知 。
本文地址： https://www.gpxz.com/article/7f785a811db59f0322b8.html
贝安网：前沿科技门户网站。关注智能车电动车、新能源汽车，AR/VR虚拟现实、OpenAI人工智能，手机App应用，苹果iOS/iPadOS、鸿蒙OS、谷歌Android、微软Win11/Win10/Win7/WinXP，Office,紧盯iPhone/iPad、安卓智能设备手机，数码手表等数码潮流。
LOL网址导航网是专业的上网导航网站,精心收录各类优质热门网站信息,同时提供天气、快递、违章等各种生活便民查询工具网址,为您提供安全便捷的上网导航服务,现已被众多网友设为上网主页,网址导航大全首选LOL网址导航.
笃行直播
糖脂管家-专注于慢性病的逆转调理方案
四川欧度门窗是一家专业提供高端门窗定制，集成了欧洲先进的铝合金门窗设计理念、生产工艺、管理销售模式于一体的钛镁铝合金门窗厂家，主要包括铝合金门窗,系统门窗,定制热线：180-8081-4087.
2144游戏是专业的游戏平台,免费为你提供各种精品小游戏,好玩的网页游戏,手机游戏,同时还提供精品游戏专题，游戏攻略，人气论坛等，玩小游戏,网页游戏,手机游戏就上2144游戏网2144.cn
江门江沙物流是一家从事江门到全国的陆运、空运、海运物流服务的物流公司。江门物流公司以快捷、准时、安全、优惠的服务宗旨为广大客户服务！
山西省文化馆
北京起点模型致力于工业机械模型，建筑规划模型，军事武器模型，展览展示模型等领域的专业模型制作厂家。电话：13621221118
广东瑞东勘察基础工程有限公司成立于2010年4月，注册资金1020万元，公司现有高级工程师、工程师、测绘技术员、注册人员等专业技术人员，公司现有计算机40余台，拥有单、双频全球卫星定位系统(GPS)2台、全站仪15台、JX-4A全数字摄影测量工作站、高精度电子水准仪、地下管线探测仪以及地理信息系统软件、地面移动测量系统软件、各种数据采集、图形编绘软件等，公司致力于制度化、正规化建设，已建立了符合国内工程管理模式的管理制度和工作程序，在质量控制上以项目为单位进行质量管理，避免和预防在项目实施中出现质量问题，将质量责任层层落实到个人。
中意机床制造，专业生产、销售机床，刃模具
漫迷窝是专业的漫画产业和企业品牌资讯发布媒体，包括资讯、动画、漫画、电视剧、电影、精选、产业、资本、综合等多个栏目。
7月5日，360小程序公测发布会在北京召开，这是业内首款主打PC大屏场景的小程序平台，针对开发者，360推出专属扶持计划——，跃界计划，，通过三加一减，加流量、加资金、加宣发资源、降低技术成本，全面赋能开发者，具体来说，流量扶持方面，360将整合旗下360浏览器、360导航、360搜索、360安全卫士、快资讯等八大流量入口，依托平台五...。
日前，记者从，自主可控安全可信——浪潮服务国防信息化建设安全发展，全国巡展陕西站上获悉，浪潮超越推出了我军首款采用国产关键软硬件研制的加固型手持式计算机飞龙HL3211，实现了我军手持式计算机装备的自主可控和安全可信，飞龙HL3211加固型手持式计算机与会嘉宾观摩飞龙HL3211加固型手持式计算机以手持式计算机为代表的单兵数字系统是未...。
，更能让人放松，也更能让我们发作好感，蔬方沙拉加盟费多少钱，蔬方，一家沙拉美食餐厅，不只为我们带来绿色的健康美食，还为我们带来新鲜有风格的用餐环境，让我们好像处于鸟语花香、万木勃发的大，而然地遗忘作业生活中的遇到的各种烦恼，蔬方是一家以主食沙拉为主产品线的时髦特征潮店，餐品品种繁复，沙拉有红吞拿鱼沙拉、果园沙拉、牛肉秋葵沙拉、鲑鱼玄米...。
雷锋网消息，9月6日，网易与阿里巴巴共同宣布达成战略合作，阿里巴巴集团以20亿美元全资收购网易旗下跨境电商平台考拉，同时，阿里巴巴作为领投方参与了网易云音乐此轮7亿美元的融资，至此，此前双方关于考拉并购的传闻尘埃落定，阿里巴巴20亿美元收购考拉对于考拉的收购，网易公司首席执行官丁磊表示，很高兴与阿里巴巴达成合作，这符合网易在新时期下的...。
申明，1.以上内容仅代表揭发者自己，不代表黑猫揭发立场，2.未经授权，本平台案例制止任何转载，违者将被清查法律责任，3.黑猫揭发处置揭发不收取任何费用，凡以黑猫揭发名义不要钱的均为混充、诈骗行为，请及时报警并与黑猫官网反应，揭发邮箱heimaotousu@vip.sina.com，4.请大家选用官网渠道处置生产纠纷，不要轻信第三方机构...。
2、留意，去看看外面的小说，尽量接近它的题材，比拟容易经过3、网址，看书有哪些网站小说浏览，终点中文网红袖添香言情小说吧晋江文学城小说浏览网潇湘书院连城读书逐浪小说网SoDu小人堂世纪文学网天翼文学四月天原创网翠微居看书网天下书盟17K文学网原文小说网烟雨红尘吾爱文学网找小说玄幻小说网幻剑书盟纵横中文网虚构天空新小说吧凌辱我小说网小说...。
1、宝马3系2021款是一款宝马旗下的中型车，其官网指点价为元元我们以宝马3系的入门版本2021款改款二320i静止套装为例，其官网指点价为元，据了解目前长沙市局部经销商有最高5900元左右的活动，所以这款车，2、元，最终的全款，3、宝马3系2021款是一款宝马旗下的中型车，其官网指点价为元元左右，所以这款车的终端多少钱为元，4、宝马...。
飞驰b200口碑不太好，就是很少有男士购置这款车飞驰b200是飞驰B级的一个版本，另外还有飞驰b180和飞驰b260区别在于能源系统b180和b200都驳回16T涡轮增压发起机，只是功率有高有低此外，b260搭载20T涡轮增压发起，b200飞驰二手车多少钱为十五六万吧，它的性能如下1外观飞驰B级的形状耐看又显大气，尤其是前面的飞驰大标...。
中共中央政治局委员、外交部长王毅在访问新加坡和马来西亚时期同两国政要就以后南海形势替换看法，说明中方立场，王毅说，多年来，在中国和东盟独特致力下，南海形势成功总体稳固，也为各自开展提供了良好环境，而美国等一些权利唯恐南海不乱，不时在这一海域兴妖作怪，最近又借仁爱礁争议煽风点火，在中菲之间挑动是非，煽动反抗，破坏南海和安康宁，以服务美自...。
破解版就是未经授权经常使用的软件，财务软件的破解版当然能用，当然这不扫除破解者在软件中添加后门程序，倡导最好别用！！破解版和正版没有什么差异，是在网高低载~cad破解版是什么意思cad破解版，就是破解了的CAD装置文件，楼上说的都正确，不过他们小看的中国的盗版事业了，如今的破解版，除了不用花钱，装置和注册和正版没什么不同，说真实的就是...。
羽毛球专题,提供羽毛球的相关文章和相关资讯,在本栏目你可以看到羽毛球这个内容的相关各类文章很多篇,如有不足请提供给我们更多羽毛球的文章供大家查阅.
芒果在线咸鱼转转交易猫聊天客服源码是一款为咸鱼转转定制的客服系统，具备前后台管理功能，还支持咸鱼转转模板和分享图功能。本文将介绍该客服系统的安装方法，以及如何修改公告内容和机器人自动回复内容。安装方法如下：1.将源码...
雷锋网消息昨日，百度突发新闻消息，宣布集团总裁兼首席运营官陆奇由于个人和家庭原因，无法继续全职在北京工作，将从7月起不再担任上述职务，但仍将继续担任集团公司副董事长，同时，副总裁王海峰晋升为高级副总裁并担任AIG，AI技术平台体系，总负责人，此消息一出，瞬间引爆了各大媒体平台，百度股价也应声下跌，外界对于陆奇离职深表惋惜，纷纷猜测其离...。
智能家居，究竟是什么，在常见的理解中，它可以是一个名词，或者是一个产品概念，或者是一个技术场景……但在绿米联创Aqara的理解中，智能家居更贴近于一种生活方式，这一点，在绿米的最新动态中得到了充分体现——就在近日，绿米联创在广州太古仓发布全球首个物联网2C与2B的全场景体验中心——AqaraHome城市体验中心，对此，绿米联创创始人、...。
dkngo大神级投影控发表于2024，07，08当贝D6X升级系统需要以下步骤，1.确保设备已连接网络，2.打开设备的设置界面，3.在设置界面中选择，关于手机，4.在，关于手机，中点击，系统更新，5.检查是否有可用的系统更新，如果有，点击，立即更新，6.等待设备下载并安装系统更新，在下载和安装过程中，设备可能会重启多次，7.更新...。
七猫免费小说是一款热点非常高的手机免费看小说软件，大家可以在这里尽情阅读自己喜欢的小说，很多小伙伴比较好奇历史小说在什么位置，小编为大家带来了具体的步骤，赶紧来看看吧，...。
大笔触色彩丰富的油画作品︱何塞·特鲁希略绘画,笔触,艺术,绘画,印象派,油画作品,何塞·特鲁希略
