Pesquisadores de Princeton e Berkeley ampliam a aprendizagem por empoderamento
O estudo usa aprendizagem de habilidades para ampliar as opções de agentes em simulações complexas.
Período do evento/dos dados: 2026-10-09
Publicado: · Atualizado:
Pesquisadores de Princeton e da Universidade da Califórnia em Berkeley publicaram em 9 de outubro um método para estudar, em maior escala, o chamado empoderamento de agentes. A abordagem estima quantas habilidades executáveis estão disponíveis em cada estado e treina uma política para alcançar estados com mais opções.
No Craftax-Classic, os autores relatam que os agentes alcançaram de sete a oito das 22 conquistas por trajetória após um bilhão de passos do ambiente. O artigo também descreve comportamentos emergentes em simulações, como construir abrigo. São resultados ligados a ambientes e métricas específicos; não demonstram autonomia geral nem desempenho em robôs reais.
Dados
Escopo do estudo
Orçamento de treinamento do experimento Craftax-Classic; não é uma medida do mundo real
| Passos do ambiente de treinamento | 1000000000 | 2026-10-09 |
Metodologia
Número informado no escopo experimental do artigo; não é estatística nacional nem resultado de campo.
Atualizado:
Temas e lugares
Sugestões de temas
- Ciência e tecnologiaAnotação sugerida
- Preserved editorial category/topic; broad candidate onlyarxiv.org ↗
Referências geográficas
São exibidas apenas referências geográficas fornecidas pela fonte. Abrir um mapa externo é opcional. Os mapas opcionais das notícias usam o OpenStreetMap. Ao abrir um mapa, seu endereço IP e o endereço deste site são enviados ao provedor do mapa. Os dados de localização continuam disponíveis em texto sem carregar o mapa.
- Estados Unidos · Função do lugar: Cobertura · Tipo de lugar: país ou área · Precisão da localização: regionalEvidência
- Explicit preserved editorial country/region; no city or national centroid inferredarxiv.org ↗