通过世界模型掌握多样化领域

开发一种能够学习解决广泛应用任务的通用算法一直是人工智能领域的根本挑战。尽管当前的强化学习算法可轻易应用于与其开发目标相似的任务，但为新应用领域配置这些算法需要大量人类专业知识与实验。我们提出DreamerV3，一种通用算法，在单一配置下于超过150个多样化任务上超越专用方法。Dreamer学习环境模型并通过想象未来场景改进其行为。基于归一化、平衡与变换的鲁棒性技术实现了跨领域的稳定学习。开箱即用地应用，Dreamer是首个无需人类数据或课程而从零开始在Minecraft中收集钻石的算法。这一成就被视为人工智能中的重大挑战，需要在开放世界中从像素与稀疏奖励探索长远策略。我们的工作使得解决具有挑战性的控制问题无需大量实验，令强化学习具有广泛适用性。