- 综合排序
- 最热优先
- 最新优先
- 来自专栏决策智能与机器学习
算法集锦（26）| DeepMind单智能体精通57款小游戏 | 多任务DRL
0.内容提要 DeepMind团队提出一种多任务深度强化学习方法PopArt，实现了单智能体同时学习57款不同的雅达利游戏的平均表现首次超过人类平均水平，达到目前技术的顶级水平。 这里提出了一种PopArt规范化方法，将其用于基于值的强化学习中，可以将不同任务的奖励调整为相同规模，从而避免了不均衡奖励的问题，使得同一个智能体在不同任务上的平均表现达到了顶级性能水平。 PopArt规范化的主要更新调整算法如下，详细说明参见全文，下载方式见文章开头。 值函数规范化调整 ? 参数规范化调整 ? ? 3.性能验证 新方法PopArt与DeepMind之前提出的IMPALA方法相比，性能水平显著提高。而且该中值性能已经超过了人类的中值水平。 ?
73210发布于 2020-08-04 - 来自专栏机器学习人工学weekly
机器学习人工学weekly-2018/9/23
DeepMind PopArt，用adaptive rescaling target让不同的Atari游戏能被同时学习 Preserving Outputs Precisely while Adaptively
47450发布于 2018-10-25 - 来自专栏AI科技评论
强化学习如何真正实现任务自动化？不妨试试「两步走」策略！
例如，Hessel 等人于 2018 年提出「POPART」方法消除了奖励裁剪操作的要求。这是一项十分明智的技术，也是朝着真实的 Atari 环境下的策略学习前进的一大步（因为减少了一项简化操作）。 为了给出公平的评估结果，POPART 应该在带有未裁剪奖励的 Atari 环境下与基线方法进行对比，而此时 POPART 方法的优势更大（详见论文中的图 2）。 重要的是，在这个问题的范围内，POPART 的性能优于其它方案。 当然，同时进行对强化学习简化技术的研究也是十分重要的。
83100发布于 2019-10-10 - 来自专栏NLP/KG
多智能体强化学习算法【一】【MAPPO、MADDPG、QMIX】
： Value normalization: 研究者采用 PopArt 对 value 进行 normalization，并且指出使用 PopArt 有益无害。
7.6K22编辑于 2022-12-21 - 来自专栏机器之心
听说你的多智能体强化学习算法不work？那你用对MAPPO了吗?
Value normalization: 研究者采用 PopArt 对 value 进行 normalization，并且指出使用 PopArt 有益无害。
2K10发布于 2021-03-15 - 来自专栏新智元
AMD GPU性能暴涨7倍，优化算法首次开源！高效MoE支持任意专家数量
由于AMD CDNA3架构并不支持类似Graphcore的片上（on-chip）洗牌操作（在2023年已经将PopART[12] & PopRT的Remapping操作进行抽象与泛化），而这一特性已在NVIDIA [12]PopART on chip TensorRemap : https://github.com/graphcore/popart/tree/sdk-release-3.4 [13] DeepSeek
71710编辑于 2025-04-04 - 来自专栏机器之心
学界 | 谷歌大脑实现更宽广的智能体视野，在Atari2600上可持续超越人类玩家！
图 4：该图显示了当我们将转换后的 Bellman 算子替换为 PopArt 时，以及将时序一致性（TC）损失替换为受限时序差分（TD）更新时，模型性能与本文算法性能的对比。
45620发布于 2018-07-26 - 来自专栏静Design
重磅！2022年度图形设计趋势正式发布（超多图原创翻译）
Collaboration Illustration by tubik.arts Creative Break Illustration by tubik.arts August Days by PopArt
1.1K40编辑于 2021-12-05 - 来自专栏点云PCL
从多模态大模型到通用具身智能体：方法与经验
为了稳定训练，采用了PopArt归一化技术，确保不同环境之间的奖励分布不会影响训练效果。PPO中的价值函数由MLP网络构成，输入包括MLLM模型的最终层激活和视觉编码器的视觉嵌入。
1.1K10编辑于 2025-02-07 - 来自专栏CreateAMind
元强化学习教程 A Tutorial on Meta-Reinforcement Learning（1-3章）
虽然部分多任务强化学习的解决方案（如PopArt，Hessel 等, 2019）可直接应用于元强化学习（Grigsby 等, 2024），但评估方式的差异也使得某些方法无法直接迁移。
19610编辑于 2026-03-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号