Discover our latest AI breakthroughs and updates from the lab View all posts Responsibility & Safety Taking a responsible path to AGI We’re exploring the frontiers of AGI, prioritizing technical safety, proactive risk assessment, and collaboration with the AI community. ...
DeepMind新建虚拟认识实验室，像研究人类一样研究AI（代码开源）【新智元导读】DeepMind今天的官博发文，介绍他们的新工作Psychlab，这是一个建立在DeepMind Lab之上的平台，旨在构建可控环境，从心理认识的角度，更好地研究和理解AI。具体说，Psychlab有助于让研究人员了解，AI在完成一项复杂任务时，其中涉及的每一种特定...
DeepMind Lab2D是一个由DeepMind开发的2D虚拟环境平台,专为强化学习(RL)和智能体训练设计,旨在为研究人员提供一个高度可定制且高效的训练环境。DeepMind Lab2D通过提供丰富的游戏化环境,帮助开发者训练AI模型,尤其是在处理视觉任务、规划和决策问题上,具有很高的实用性。GitHub:github.com/deepmind/lab项目特点:灵活的环...
最近,DeepMind开了个心理学实验室,名叫Psychlab,地点就在DeepMind Lab里。 当然,不是为人类开的。 Psychlab所处的DeepMind Lab是个第一人称视角3D游戏世界,这个心理学实验室当然也是个模拟环境,研究对象是其中的深度强化学习智能体(Agents)。Psychlab能够实现传统实验室中的经典心理学实验,让这些本来用来研究人类心理的...
DeepMind Lab 是第一个第一人称三维游戏平台,用于研发通用人工智能和机器学习系统。 iDeepMind Lab可以用于研究自动代理如何在大型、不完全可视、视觉多样化的环境中如何学会复杂任务。 DeepMind Lab 有一个简单灵活的API,能快速迭代实现探索创造性的任务设计和全新 AI 设计。我们的环境由一个游戏引擎驱动,其速度和性能...
我们展示了 IMPALA 在 DMLab-30(DeepMind Lab 环境中一组 30 个任务的集合)和 Atari-57(Arcade Learning Environment 中所有可用的 Atari 游戏)中进行多任务强化学习的有效性。我们的结果展示了 IMPALA 的性能优于之前的智能体,使用的数据更少,更重要的是新方法可以在多任务中展现出积极的迁移性质。
DMLab-30 是通过开源强化学习环境 DeepMind Lab 设计的一系列新任务。有了 DMLab-30,任何深度强化学习研究人员都能够在大范围的、有趣的任务中测试系统,支持单独测试、多任务环境测试。 这些任务被设计得尽可能多样化。它们有着不同的目标,有的是学习,有的是记忆,有的则是导航。它们的视觉效果也各不相同,比如有的...
最后,我们评估了DeepMind Lab 在3D环境下的五种强化学习的无监督学习方法:rooms_watermaze,explore_goal_locations_small,seekavoid_arena_01,lasertag_three_opponents_small和rooms_keys_doors_puzzle。 在这里,我们采用标准的batched A2C agent作为基本模型,并添加CPC作为辅助损失。 学习的表示对其未来观察的分布进行...
编译:费欣欣 【新智元导读】DeepMind今天的官博发文,介绍他们的新工作Psychlab,这是一个建立在DeepMind Lab之上的平台,旨在构建可控环境,从心理认识的角度,更好地研究和理解AI。具体说,Psychlab有助于让研究人员了解,AI在完成一项复杂任务时,其中涉及的每一种特定行动分别起到了什么作用。 想象一下购物这个简单的任务。