تیم GRL (Game Reinforcement Learning) در UC San Diego برای رفع کمبود محیطهای با پاداشهای قابل تایید، یک خط لوله برای تبدیل بازیهای ویدیویی به معیارهای استدلال دقیق ایجاد کرده است. آنها از Tunix، یک چارچوب RL سازگار با JAX و مناسب برای تحقیق که از قابلیتهای چند میزبان و چند نوبهای پشتیبانی میکند، و همچنین از Google TPU Research Cloud (TRC) برای مقیاسبندی آزمایشهای خود استفاده کردند. این رویکرد منجر به بهبود قابل توجهی در کیفیت مدل، به ویژه در وظایف برنامهریزی و استدلال شده است.
بازیها به عنوان یک بستر مناسب برای آموزش جدی قابلیتهای هوش مصنوعی، سیگنالهای قابل تایید (مانند برد، امتیاز، تکمیل پازل) و نیاز به استدلال بلندمدت را فراهم میکنند. GRL یک مجموعه جامع برای بازیافت محیطهای بازی متنوع به یک منبع پس از آموزش قابل استفاده است. این مجموعه شامل یک خط لوله یکپارچه، پیکربندی چندکاره و یک رابط الگوریتم-آگانه است. هدف GRL استانداردسازی تبدیل بازیها به محیطهای RL با حالتهای ساختاریافته و معیارهای سازگار است. کد و اکوسیستم GRL در سازمان LM Games (lmgame.org) میزبانی میشود.
مشاهده مطلب اصلی