OpenAI用来创建捉迷藏游戏代理的算法是什么？

Question

我刚在youtube上看到了这样的视频：https://www.youtube.com/watch?v=kopoLzvh5jY&t=9s

OpenAI用来创建捉迷藏游戏代理的算法是什么？

是遗传算法还是策略梯度还是别的什么？

如果是策略梯度法，那么他们使用了哪种策略梯度法？

Answer 1

这是在导致该视频的原纸中指定的：

策略使用最大策略优化(Schulman等人，2017年年)和广义优势估计(Schulman等人，2015年年)进行优化。

然而，他们使用了进化算法中经常使用的概念，特别是竞争性的协同进化，因为寻找代理的目标与隐藏代理的目标相反，这驱动了增强信号。