网站首页 actorcritic

• 

  必读论文 | 20篇强化学习研究必读论文速递

  强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。本期特推出20篇强化学...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  使用Actor-Critic的DDPG强化学习算法控制双关节机械臂

  在本文中，我们将介绍在Reacher环境中训练智能代理控制双关节机械臂，这是一种使用UnityML-Agents工具包开发的基于Unity的模拟程序。我们的目标是高精度的到达目标位置，所以这里我们可以使用专为连续状态和动作空...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  只需1次演示，1小时在线训练，机器人真就做到看一遍就会了

  机器之心报道作者：陈萍、杜伟...

  2024-11-08 btikc 技术文章 2 ℃ 0 评论
• 

  DeepMind 推出分布式训练框架 IMPALA，开启智能体训练新时代

  雷锋网AI研习社按，日前，DeepMind推出一种全新的分布式智能体训练框架IMPALA，该框架具有高度可扩展性，将学习和执行过程分开，使用了一种名为V-trace的离策略（off-policy）修正算法，具有显著的加速性能，极...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  Ray和RLlib用于快速并行强化学习 Ray和RLlib用于快速并行强化学习记录

  Ray不仅仅是一个用于多处理的库，Ray的真正力量来自于RLlib和Tune库，它们利用了强化学习的这种能力。它使你能够将训练扩展到大型分布式服务器，或者利用并行化特性来更有效地使用你自己的笔记本电脑进行训练。我们展示了如何使用Ray和RL...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  RA-L 2023 | 学会寻找从未听过的声源

  本文是IEEERoboticsandAutomationLetters(RA-L)接收论文LearningSemantic-AgnosticandSpatial-AwareRepresentationforGen...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  DeepMind最新研究动向，帮助实现单智能体多任务强化学习

  深度强化学习（DeepRL）在很多任务中取得了成功，从机器人的连续控制问题到围棋、Atari等游戏。不过这些领域中的进步还限制在单个任务，即在单个任务中对智能体进行调整和训练。DeepMind最近提出的IMPALA开始尝试利用单智能...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  RLHF再也不需要人类了!谷歌团队研究证明，AI标注已达人类水平

  编辑：编辑部...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  无惧雨雪风霜?斯坦福找到一种更适应动态环境的强化学习方法

  斯坦福人工智能实验室（SAIL）的研究人员最近设计了一种方法，能处理那些会随时间变化的数据和环境，性能优于一些领先的强化学习方法，它被命名为LILAC（LifelongLatentActor-Critic）。这一方法使用了潜在变量模型和...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论
• 

  学术分享丨强化学习在机器人装配工艺中的应用

  强化学习（ReinforcementLearning）灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。这个方法具有普适性，因此在其他许多领域都有研究，例如博...

  2024-11-08 btikc 技术文章 3 ℃ 0 评论