Un agente de aprendizaje por refuerzo profundo distribucional — Implicit Quantile Networks — jugando al Pong de Atari 2600 a partir de píxeles en bruto, grabado durante un episodio de evaluación voraz. El agente nunca ve las reglas del juego; aprendió la distribución completa del retorno de cada acción por ensayo y error. Entrenado con PyTorch y el Arcade Learning Environment, demasiado pesado para un sitio estático: esto es una evaluación grabada.
Un agente de aprendizaje profundo por refuerzo distribucional (Implicit Quantile Networks) jugando a Pong a partir de píxeles en bruto, grabado durante una evaluación voraz.