Cómo resolver el Aprendizaje por Refuerzo cuando no hay recompensas (Curiosidad y RND)

En este video, aprenderemos sobre dos grandes métodos de RL para la exploración auto supervisada: Curiosidad y Destilación de Redes Aleatorias (RND). Usaremos un algoritmo de RL popular en política (A2C o Actor-Crítico con Ventaja) para explorar este fascinante espacio. A lo largo del camino, aprenderemos algunos ejemplos de código en Python y Pytorch, y estudiaremos por qué exactamente estos métodos funcionan y los diversos desafíos que resuelven. La Curiosidad enseña a los agentes a explorar estados que consideran los menos predecibles, y RND enseña a los agentes a explorar estados que son los más "novedosos". Las arquitecturas de redes neuronales detrás de los dos son increíblemente simples pero geniales, y evitan soluciones ruidosas de hacking de recompensas para un enfoque de recompensa intrínseca más fluido.

#aprendizajeporrefuerzo #ia #aprendizajprofundo

Síguenos en Twitter: https://x.com/neural_avb

¡Invítame a un café en https://ko-fi.com/neuralavb !

Para unirte a nuestro Patreon, visita: https://www.patreon.com/NeuralBreakdownwithAVB

Los miembros obtienen acceso a TODO lo que hay detrás de cámaras que se necesita para producir mis videos. Además, apoya el canal de gran manera y ayuda a pagar mis cuentas.

Artículos:

Curiosidad: https://arxiv.org/abs/1705.05363

RND: https://arxiv.org/abs/1810.12894

A2C: https://arxiv.org/abs/1602.01783