Półnadzorowane uczenie przez imitację: model dynamiki odwrotnej z małego zbioru z etykietami opisuje akcjami duży zbiór filmów, na którym trenuje się politykę klonowaniem zachowań.
Semi-supervised imitation: an inverse dynamics model trained on a small labelled set annotates a large video corpus, then a policy is behaviour-cloned on it.
Agent uczy się grać, oglądając tysiące godzin filmów, na których ludzie grają, choć nikt nie zapisał, jakie klawisze naciskali.
An agent learns to play by watching thousands of hours of videos of people playing, though nobody logged which keys they pressed.
Agent uczony od zera metodą prób i błędów w złożonej grze może nigdy nie trafić na długie sekwencje potrzebne do sukcesu.
An agent learning from scratch by trial and error in a complex game may never stumble on the long sequences success requires.
Najpierw na małej próbce uczy się zgadywać, jaki ruch myszy wywołał zmianę na ekranie, a potem tak opisuje całe archiwum filmów.
First, on a small sample, it learns to guess which mouse move caused a change on screen, then labels a whole video archive that way.
Agent w grze o kopaniu i budowaniu, wyuczony na filmach graczy z sieci, sam zbiera drewno, robi narzędzia i schodzi po rzadkie surowce.
An agent in a mining-and-building game, trained on players' online videos, gathers wood, crafts tools and digs for rare resources.