10月27日消息，據(jù)外媒報道，約翰斯霍普金斯大學(xué)博士生安德魯洪特（Andrew Hundt） 近日發(fā)布一篇新論文，指出應(yīng)通過正強化法訓(xùn)練機器人學(xué)習(xí)新技能。

這篇論文的核心思想是，在訓(xùn)練機器人的過程中，應(yīng)采用正強化法，即相比于在它做錯時進行懲罰，更應(yīng)在它做對時進行激勵。而對于機器人來說，這種激勵機制是以評分系統(tǒng)的形式呈現(xiàn)的，類似玩游戲一樣，根據(jù)執(zhí)行任務(wù)的情況獲得積分。

安德魯表示，這種方法能夠大大縮短訓(xùn)練機器人執(zhí)行任務(wù)的時間?！皺C器人希望能得到更高的分數(shù)，所以它們很快就可以完成相關(guān)任務(wù)。過去機器人需要一個月的練習(xí)才能達到100%的準確性，現(xiàn)在只用兩天就能做到?！?/p>

不過他也指出，目前機器人執(zhí)行的這些任務(wù)仍然是比較初級的，比如堆積木。但在未來，機器人有望通過正強化法完成更復(fù)雜和有意義的任務(wù)。
責(zé)任編輯：YYX