Learning to Communicate with Deep Multi-Agent Reinforcement Learning - Jakob Foerster

Автор: RISE SICS

Загружено: 2020-01-03

Просмотров: 8002

Описание: We consider the problem of multiple agents sensing and acting in environments with the goal of maximising their shared utility. In these environments, agents must learn communication protocols in order to share information that is needed to solve the tasks. By embracing deep neural networks, we are able to demonstrate end-to-end learning of protocols in complex environments, when no prior communication protocol is provided.

Jakob Foerster is a PhD student in AI at the University of Oxford under the supervision of Shimon Whiteson and Nando de Freitas. Using deep reinforcement learning he studies the emergence of communication in multi-agent AI systems. Prior to his PhD Jakob spent four years working at Google and Goldman Sachs. Previously he has also worked on a number of research projects in systems neuroscience, including work at MIT and the Weizmann Institute.

Не удается загрузить Youtube-плеер. Проверьте блокировку Youtube в вашей сети.
Повторяем попытку...

Learning to Communicate with Deep Multi-Agent Reinforcement Learning - Jakob Foerster

Доступные форматы для скачивания:

Скачать видео

Информация по загрузке:

Скачать аудио

Похожие видео

"Learning to Communicate in Multi-Agent Systems" - Amanda Prorok

Factored Value Functions for Cooperative Multi-Agent Reinforcement Learning

Factored Value Functions for Cooperative Multi-Agent Reinforcement Learning

The Role of Multi-Agent Learning in Artificial Intelligence Research at DeepMind

The Role of Multi-Agent Learning in Artificial Intelligence Research at DeepMind

Policy Gradient Theorem Explained - Reinforcement Learning

Policy Gradient Theorem Explained - Reinforcement Learning

Dimitri Bertsekas:

Dimitri Bertsekas: "Distributed and Multiagent Reinforcement Learning"

Тоннель под Ла-Маншем | Потрясающие инженерные решения, лежащие в его основе

Тоннель под Ла-Маншем | Потрясающие инженерные решения, лежащие в его основе

Владимир Пастухов и Максим Курников | Интервью BILD

Владимир Пастухов и Максим Курников | Интервью BILD

Важные открытия XXI века: почему рак победил и что не так с клонированием? Что скрывают нобелевки?

Важные открытия XXI века: почему рак победил и что не так с клонированием? Что скрывают нобелевки?

🎙 Честное слово с Владимиром Миловым

🎙 Честное слово с Владимиром Миловым

AlphaStar: Grandmaster level in StarCraft II using multi-agent reinforcement learning

AlphaStar: Grandmaster level in StarCraft II using multi-agent reinforcement learning

КАССИНИ-ГЮЙГЕНС: Жертва ради жизни

КАССИНИ-ГЮЙГЕНС: Жертва ради жизни

Deep Reinforcement Learning for Multi-Agent Interaction - Stefano Albrecht

Deep Reinforcement Learning for Multi-Agent Interaction - Stefano Albrecht

Model-free vs Model-based Reinforcement Learning -- Oriol Vinyals (11/10/2020)

Model-free vs Model-based Reinforcement Learning -- Oriol Vinyals (11/10/2020)

Introduction to Multi-Agent Reinforcement Learning

Introduction to Multi-Agent Reinforcement Learning

Deep RL Bootcamp Lecture 6: Nuts and Bolts of Deep RL Experimentation

Deep RL Bootcamp Lecture 6: Nuts and Bolts of Deep RL Experimentation

Почему МАЛЕНЬКИЙ атом создает такой ОГРОМНЫЙ взрыв?

Почему МАЛЕНЬКИЙ атом создает такой ОГРОМНЫЙ взрыв?

Rebooting the sleeping giant

Rebooting the sleeping giant

DeepMind - The Role of Multi-Agent Learning in Artificial Intelligence Research

DeepMind - The Role of Multi-Agent Learning in Artificial Intelligence Research

AI-экономика: автономные компании, нулевая маржа и банки будущего

AI-экономика: автономные компании, нулевая маржа и банки будущего

MIT 6.S091: Introduction to Deep Reinforcement Learning (Deep RL)

MIT 6.S091: Introduction to Deep Reinforcement Learning (Deep RL)