[📪정보] 딥마인드&UCL의 Stochastic MuZero

[익명(1.239)]

DeepMind & UCL’s Stochastic MuZero Achieves SOTA Results in Complex Stochastic Environments | Synced (syncedreview.com)

2020년에 도입된 MuZero는 학습된 환경 역학 모델과 Monte Carlo 트리 검색 계획 알고리즘을 결합한 모델 기반 일반 강화 학습 에이전트입니다. MuZero는 보드 게임에서 시각적으로 풍부한 환경에 이르기까지 광범위한 영역에서 최첨단 결과를 달성했지만 결정론적 모델에 국한됩니다. 따라서 본질적으로 확률론적인 실제 환경에서 어려움을 겪습니다. 학습된 모델을 사용한 확률적 환경에서의 계획이라는 새로운 논문에서 DeepMind와 University College London의 연구팀은 확률적 모델 학습을 위한 Stochastic MuZero를 제안합니다. 새로운 접근 방식은 바둑 게임과 같은 결정론적 환경에서 원래 MuZero의 초인적인 성능을 유지하면서 복잡한 단일 및 다중 에이전트 환경에서 최첨단 방법에 필적하거나 우수한 성능을 달성합니다.

[ㅇㅇㅇ(14.38)]

[익명(211.252)]