что-то в этом роде. бегаешь по лабиринтам, собираешь бонусы. с виду просто, но нетривиально - информация неполна, нужна "память".

Коллеги, всем привет!

Завтра, как и ожидалось, у нас будут два доклада.
Сначала Aleksey закончит рассказ про AlphaGo Zero, затем @artemryzhikov расскажет про редкое явление - бустинг для оценки функции ценности (ICML17).

Напоминаю, что регистироваться на пропуск нужно до конца сегодняшнего дня.

One-Shot Reinforcement Learning for Robot Navigation with Interactive Replay https://arxiv.org/abs/1711.10137

может кому-то будет интересно

мой небольшой видео-отчетик об участии в соревновании

видно слышно?

Да, все слышно! Спасибо)

Action Branching Architectures for Deep Reinforcement Learning https://arxiv.org/abs/1711.08946

Коллеги, наблюдение за семинаром  показало ряд интересных вещей.
1. К началу декабря видимо мы подустали и регулярняй поток людей на семинарах истощился.
2. Толково и с пониманием дела мы за один семинар можем разобраться только одну статью. На вторую, как правило, не хватает времени у докладчика и сил у слушателей.

Поэтому попробуем новый формат докладов - только одну статью за доклад, но разбираться внимательно и с пристрастем.  Также следующую неделю мы пропустим.

Simple Nearest Neighbor Policy Method for Continuous Control Tasks
https://openreview.net/forum?id=ByL48G-AW

Напоминает прошлогоднюю https://arxiv.org/abs/1606.04460 , где NN был по латентному пространству VAE

А вот и Беркли со своей любимой темой
http://bair.berkeley.edu/blog/2017/11/30/model-based-rl/

Efficient exploration with Double Uncertain Value Networks https://arxiv.org/abs/1711.10789

NIPS2017: Teaching Machines to Describe Images via Natural Language Feedback
https://arxiv.org/pdf/1706.00130.pdf