AIがポケモン赤を制覇：小型RLエージェントの勝利
2025-03-05
チームは、1000万パラメータ未満のポリシー（DeepSeekV3より6万倍以上小さい）を用いた強化学習（RL）により、1996年のゲーム『ポケットモンスター赤』をクリアすることに成功しました。このプロジェクトはオープンソースであり、既存のポケモンリバースエンジニアリングツールとゲームエミュレータを活用しています。大規模な事前学習データセットを必要としない効率的なデータ収集のために、チームはRLを選択しました。これは、AIが複雑なゲームを克服する上でのブレークスルーであり、より困難な環境における強化学習のための新たな基準となります。
続きを読む
AI