Доброго. Это похоже на Imitation Learning или Inverse RL (как сказали выше). Как минимум стоит посмотреть на DeepMimic (https://xbpeng.github.io/projects/DeepMimic/2018_TOG_DeepMimic.pdf), т.к. очень похоже на описание

Доброго дня! кому-нибудь знает статьи по RL с обучением от второго лица? то есть это когда агент со стороны наблюдает, как взаимодействуют со средой (но не знает какие при этом действия совершаются и какие это состояния), а потом он пробует повторить, сопоставляя свию действия и состояния с теми что были на видео. Я пока не нашел подобных статей, но кажется тема интересная, новый способ обучения получается.

Посоветуйте, если знаете хороший

😓я думал тут будет релиз лайтнинга 1.0

Народ, всем приветы) Подскажите решение для след задачи. Подразумевается создание большой системы с количеством агентов ~ 1000. Нужно обучить агентов делать оптимальные действия в условиях того, что агенты могут отключаться и включаться независимо.
Ну и самое главное - чтобы тренировать такую систему как можно быстрее и проще.

Всем привет!
Обещанного ждут три года)
Мы таки запускаем курс лекций по Advanced RL

В рамках курса пройдет несколько докладов на разнообразные темы продвинутого RL, в их числе:
- Hierarchical RL
- Meta learning, Transfer and Multi-task RL
- Distributed RL
- Distributional RL
- Exploration in RL
- Memory in RL, POMDP
- Model-based RL
- Multi-Agent RL
- RL for combinatorial optimization
- Immitation and Inverse RL
- Genetic and Evolutionary RL
- Variational Inference in RL

Первая лекция состоится уже в следующий четверг (13го февраля).
На лекции выступит Сергей Иванов и расскажет про Exploration в RL.
Как обычно, встречаемся в ШАДе.
13е февраля, 19:00
Аудитория: Оксфорд

Если вы хотите прийти, обязательно зарегистрируйтесь в форме по ссылке!
https://docs.google.com/forms/d/e/1FAIpQLSd18PGkZuOqkWThJhmNxnmiSVFicnH4YwLVTCOkEkVQV6ZIDg/viewform

Сергей расскажет о том, что такое self-supervised режим в обучении с подкреплением и как с его помощью можно мотивировать агента исследовать окружающую среду. Обсудим преимущества введения такой "внутренней мотивации" (intrinsic motivation) RL-агентам и каких нежелательных эффектов мы при этом наоборот стремимся избежать на примере таких центральных подходов, как любопытство (Curiosity) и дистилляция случайной сетки (Random Network Distillation).


ПС !!!
Данный курс лекций будет проходить почти как нормальный университетский курс. Вы можете послушать лекции и сделать проект (про проекты расскажем позже).

Студенты ШАДа смогут зачесть успешно сданный курс как полусеместровый в ШАДе.
За подробностями пишите мне.

Студенты МФТИ могут зачесть данный курс лекций + проект как курс МФТИ.
За подробностями пишите @supergriver

Всем остальным за прохождение курса мы дадим красивые дипломы и может быть красивый мерч :)

Если вы хотите поучаствовать в выполнении проектов, пожалуйста, пройдите регистрацию в еще одной форме:
https://forms.gle/jpxWUSxfdCmqoGdY8

Также мы создали чат, в котором будет обсуждение только (!) деталей курса, проектов, лекций. Все, чем не стоило бы захламлять основной чат.
https://t.me/adv_topics_in_rl_ru_2020

ПСС
По всем вопросам пишите мне (@cydoroga), Артему Сорокину (@supergriver), Сергею Свиридову (@sergeysviridov) и Сергею Колесникову (@scitator).

мы сейчас обсуждаем этот курс в режиме испорченного телефона на пятничных семинарах по RL :) (и разные другие вещи)

всех рады видеть einreise.tilda.ws