谷歌的DeepMind是根据什么原则学会走路的？

Question

我刚刚在Youtube上看到了这段视频。

谷歌的DeepMind是根据什么原则学会走路的？

是Q-学习还是遗传算法或策略梯度？

Answer 1

在论文富裕环境中生活行为的出现中，DeepMind小组解释了完整的方法。

引用那份文件的话：

使用一种新的策略梯度强化学习的可伸缩变体，我们的代理将根据环境的要求学习运行、跳跃、蹲下和转弯。。。

为了回答你的问题，研究人员使用了一种策略梯度方法。