Berkeley AI Research(@berkeley_ai)· Berkeley AI Research (@berkeley_ai)·· 2018-09-07AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
BAIR 用真实机器人实现样本高效多任务深度强化学习
Sample-efficient multitask deep RL, on real robots, directly from pixels! The key is to enable agent...
AI 导读
BAIR 提出让智能体自行设定目标并自主练习达成，从而直接从像素输入在真实机器人上实现样本高效的多任务深度强化学习。该工作由 Vitchyr 与 Ashvin Nair 在 BAIR 博客中介绍。
来源：Berkeley AI Research(@berkeley_ai) · x.com