距 NIPS 2018 召開還有不到一個月的時間，NIPS 2018 的各種技術挑戰賽也接近尾聲。在上周結束的 2018 人工智能假肢挑戰賽(AI
for Prosthetics
Challenge)https://www.crowdai.org/challenges/nips-2018-ai-for-prosthetics-challenge中，來自中國百度的技術團隊一舉擊敗全球的
400 多個參賽團隊，以 9980 分的成績奪得冠軍，領先第二名高達 30 多分。
人工智能假肢挑戰賽是由斯坦福大學神經生物實驗室與EPFL
聯合舉辦的強化學習賽事，旨在通過將強化學習應用到人體腿部骨骼仿真模擬模型的訓練，從而加快人體假肢領域的相關研究，并開創該領域的研究的新方法。
自今年 7 月份啟動以來，來自全球 400 多技術團隊都參與其中。其中既有上屆冠軍、由 “RNN之父”Juergen Schmidhuber 創立的
NNAISENSE，也有阿里巴巴、Yandex
等巨頭。百度今年首次參加強化學習領域比賽，就在強手如云的團隊里脫穎而出，一舉奪得冠軍，并領先第二名30多分。第二到五名分別被NNAISENSE，Yandex，阿里巴巴等獲得。顯而易見，百度在強化學習領域占據了明顯的優勢，冠軍含金量頗高。
今年的比賽中，賽會組織者提供了一個人體骨骼-高仿模型，該模型是斯坦福國家醫學康復研究中心研發的 Opensim
高仿模型，擁有人類腿部絕大多數真實骨骼、關節和肌肉的精細仿真。參賽者需要根據該模型中多達 100
個以上的狀態，來決定模型肌肉的信號，然后控制該模型的肌體行走。
在去年的第一次挑戰賽上，比賽規則圍繞誰能讓模型肌體行走速度最快。而今年除了將整個模型運動控制從2D改為3D外，還引入帶有假肢的模型，同時模型的假肢不可控制，模型肌體行走的速度也有要求，并且還需要在第二輪比賽中按照事先未知的指定速度進行切換。
相較而下，今年的比賽難度再次增加。比如對模型肌體有效信息的判斷上，由于實際狀態空間和動作空間稠密并且非常大，導致基于強化學習的算法無法準確把握模型肌體的行走姿勢;更進一步，由于規則要求不斷切換速度，更增加了模型控制難度。
在此次比賽中，百度首先通過上千臺機器的 CPU 集群來加速模擬環境，利用 RPC
機制進行機器間通信，從而能在高性能GPU上進行高效的模型訓練。其次，利用Target Driven Deep Deterministic Policy
Gradient (Target Driven
DDPG)，使得模型能夠應對較大空間和連續動作空間的挑戰，最終也使得一個單一模型能夠學習多種速度和姿態。第三，在算法層面，通過 multi-head
bootstrapping，能夠更高效的對巨大的解空間進行探索(Exploration)，同時還將旋轉不變性等各類特征處理方式，以及不斷實驗累計的各類
reward shaping 方法應用其中。正是這些關鍵技術的綜合應用，讓百度能以 9980 的高分一舉奪冠，有參賽者表示，這是一個他們難以相信的分數。
事實上，早在本次比賽以前，百度已經將強化學習技術應用于信息流推薦、廣告展現、搜索排序等大規模工業級場景。而本次比賽中所展現出的技術實力，再次證明了百度在強化學習相關技術上的積累，也能夠進一步推廣到復雜機器人控制、自動駕駛等更多工業領域。
與此同時，百度會將這種能力通過 PaddlePaddle 開源平臺賦能更多開發者。基于 PaddlePaddle 的強化學習框架 PARL
將在今年四季度正式發布，屆時將為更多深度學習領域開發者提供強而有力的技術支撐，也進一步深化百度構建AI完成生態的決心。
