Optimisation de politique proximale

Carte Commune · n° 440934

L'optimisation de politique proximale (en anglais : proximal policy optimization, ou PPO) est un algorithme dans le domaine de l'apprentissage par renforcement qui entraîne la fonction de décision d'un agent informatique à accomplir des tâches difficiles. PPO a été développé par John Schulman en 2017 et était devenu l'algorithme d'apprentissage par renforcement par défaut de la société américaine d'intelligence artificielle OpenAI. En 2018, PPO a remporté de nombreux succès, tels que le contrôle d'un bras robotique, la victoire contre des joueurs professionnels de Dota 2 et d'excellentes performances sur les jeux Atari. PPO est considérée comme l'état de l'art dans les méthodes d'apprentissage par renforcement car elle allie performance et compréhension[réf. nécessaire]. Par rapport à d'autres algorithmes, les trois principaux avantages de PPO sont la simplicité, la stabilité et l'efficacité d’échantillonnage. PPO est classé comme une méthode à gradient de politique pour former le réseau...

Lire sur Wikipédia