ИИ учит роботов ходить |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-01-03 10:59 Результаты примерно такие же, а иногда лучше обычных методик. Исследователи заявили, что они разработали алгоритм, с помощью которого роботы могут учиться ходить самостоятельно. В препринтном документе ученые из Калифорнийского университета, Беркли и Google Brain описывают систему, которая «научила четвероногого робота пересекать местность — как знакомую, так и незнакомую». «Глубокое обучение с подкреплением может быть использовано для автоматизации роботизированных задач, что позволяет проводить сквозное обучение, которое сопоставляет сенсорные данные с действиями низкого уровня, — объясняют авторы статьи. — Если нам удастся изучить движения с нуля, мы сможем сделать контроллеры, которые идеально адаптированы к каждому роботу и даже местностям, потенциально обеспечивая лучшую маневренность, энергоэффективность и надежность». Усиленное обучение — методика обучения искусственного интеллекта, использующая награды или наказания для приведения роботов к цели. Оно требует большого количества данных, в некоторых случаях десятков тысяч образцов. В экспериментах в OpenAI Gym, имитирующей среду с открытым исходным кодом для обучения и тестирования агентов ИИ, модель авторов достигла «практически идентичной» или лучшей производительности по сравнению с базовыми показателями по четырем задачам непрерывного передвижения. Источник: m.vk.com Комментарии: |
|