研究者がネットワーク層を追加し続けると、RLエージェントが転倒からパルクールへ進化

研究チームは、強化学習アルゴリズムのネットワーク層を最大1,024層まで拡張し、自己教師ありエージェントで2倍から50倍の性能向上を達成し、全く新しい行動の出現を確認した。