Недавно был представлен инновационный метод под названием Evolved Policy Gradients (EPG), который нацелен на быструю адаптацию агентов к новым задачам. Этот метод использует концепцию метаобучения, позволяя агентам улучшать свою способность справляться с задачами, которые они не проходили во время тренировок.
EPG эволюционирует функцию потерь, что делает процесс обучения более гибким. Агенты, обученные с помощью этого метода, могут успешно выполнять базовые задачи, такие как навигация к объекту, находящемуся по другую сторону комнаты, даже если во время тренировок они не сталкивались с подобными условиями.
Интеграция таких технологий, как обратное усиление обучения и состязательные генеративные сети, также открывает новые возможности в многопользовательских системах и робототехнике.
*компания Meta Platforms Inc. признана экстремистской организацией, ее деятельность на территории России запрещена