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

大半の強化学習（RL）アルゴリズムは2〜5層のネットワークを使用するが、ある研究チームは、自己教師ありエージェントにおいてネットワークの深さを1,024層までスケールアップすることで、性能を2倍から50倍向上させることに成功した。その過程では、全く新しい行動の出現も確認されている。