Forschende aus Princeton und Berkeley skalieren Empowerment-Lernen

Forschende aus Princeton und der University of California, Berkeley, veröffentlichten am 9. Oktober eine Methode, um das sogenannte Empowerment von Agenten in größeren Umgebungen zu untersuchen. Sie schätzt, wie viele Fähigkeiten von einem Zustand aus ausführbar sind, und trainiert eine Strategie, Zustände mit mehr Optionen zu erreichen.

In Craftax-Classic erreichten die Agenten den Autoren zufolge sieben bis acht von 22 Erfolgen pro Durchlauf nach einer Milliarde Umgebungsdurchläufen. Die Arbeit beschreibt auch emergentes Verhalten in Simulationen, etwa den Bau eines Hauses. Die Ergebnisse sind an konkrete Umgebungen und Messgrößen gebunden; sie belegen weder allgemeine Autonomie noch reale Robotikleistung.