视频 | DeepMind出了学习模式「SAC-X」，可以让机器人探索自我

为机器人提供一个简单目标，并在完成时提供奖励。

AI 科技评论按：这里是，雷锋字幕组编译的 Two minutes paper 专栏，每周带大家用碎片时间阅览前沿技术，了解 AI 领域的最新研究成果。

原标题：DeepMind's AI Learns Complex Behaviors From Scratch | Two Minute Papers #239

翻译 | 徐速 廖颖 字幕 | 凡江 整理 | 李逸帆 吴璇

本期论文：Learning by Playing - Solving Sparse Reward Tasks from Scratch

▷每周一篇2分钟论文视频解读

前些日子，DeepMind 为 AI 机器人创建了一种全新的强化学习模式，名为 SAC-X（预定辅助控制），能够为机器人提供一个简单目标，并在完成时提供奖励。

论文解读视频中，我们可以看到有机器人在协助生产，但机器人没有预装任何特定程序，没有任何老师指导学习算法，也没有对环境的先验知识，只是在摸索如何达到人们的要求，并且获得相应的奖励。

SAC-X 通过给予机器人奖励反馈，让机器人从零开始学会复杂操作。这个配置有系列通用辅助任务的机器人，试图通过 off-policy 强化学习慢慢完成任务。过程中，研究人员不会手把手教机器人完成任务，只会开启机器配备的感测器，剩下的留给机器自己探索，直到任务完成为止。

这个方法背后的创新点在于，「预定的动作」和「辅助策略操作」能让机器人有效摸索周边环境，机器人在奖励非常稀疏的情况下，也能表现得非常好。在有挑战性的机器人操作设定演示实验中，这样的方法也能奏效。

论文原址： https://arxiv.org/abs/1802.10567