Brief news summary

Los algoritmos de aprendizaje por refuerzo son altamente efectivos en sistemas virtuales como ChatGPT o algoritmos de recomendación de YouTube, pero son difíciles de transferir a robots del mundo real. Sin embargo, investigadores de la Universidad Northwestern han desarrollado un nuevo algoritmo llamado Aprendizaje por Refuerzo de Difusión Máxima (MaxDiff RL) que aborda este desafío. La mayoría de los algoritmos de aprendizaje por refuerzo asumen que los datos de los que aprenden son independientes e identicamente distribuidos, pero las experiencias de los robots del mundo real están inherentemente correlacionadas. MaxDiff RL anima a los robots a explorar una amplia gama de experiencias siendo aleatoriamente aventureros. Se centra en maximizar la diversidad de cambios de estado en lugar de acciones, permitiendo que los robots conceptualicen metas y aprendan qué acciones les ayudarán a alcanzar esas metas de forma segura. En pruebas, MaxDiff RL superó a otros algoritmos de aprendizaje por refuerzo, adaptándose rápidamente a nuevas tareas. Sin embargo, todavía no es adecuado para implementarse en autos autónomos u otras aplicaciones del mundo real.