ロボットに組み立て方を教えるのをやめたら、AlphaNISTが自ら組み立て方を発見した

NISTの組み立てタスクボードには、4mmの部品を使う20種類の課題がある。AlphaNISTは、成功か失敗かの二値報酬だけを与え、多様な初期状態での経験を通じて単一のポリシーを訓練。教示なしに、人間には思いつかないような組み立てスキルを獲得した。