加入星計(jì)劃，您可以享受以下權(quán)益：

  • 創(chuàng)作內(nèi)容快速變現(xiàn)
  • 行業(yè)影響力擴(kuò)散
  • 作品版權(quán)保護(hù)
  • 300W+ 專業(yè)用戶
  • 1.5W+ 優(yōu)質(zhì)創(chuàng)作者
  • 5000+ 長(zhǎng)期合作伙伴
立即加入

深度強(qiáng)化學(xué)習(xí)

加入交流群
掃碼加入
獲取工程師必備禮包
參與熱點(diǎn)資訊討論

深度強(qiáng)化學(xué)習(xí)將深度學(xué)習(xí)的感知能力和強(qiáng)化學(xué)習(xí)的決策能力相結(jié)合，可以直接根據(jù)輸入的圖像進(jìn)行控制，是一種更接近人類思維方式的人工智能方法。

深度強(qiáng)化學(xué)習(xí)將深度學(xué)習(xí)的感知能力和強(qiáng)化學(xué)習(xí)的決策能力相結(jié)合，可以直接根據(jù)輸入的圖像進(jìn)行控制，是一種更接近人類思維方式的人工智能方法。收起

查看更多
  • 【深度強(qiáng)化學(xué)習(xí)】目前落地的挑戰(zhàn)與前沿對(duì)策
    【深度強(qiáng)化學(xué)習(xí)】目前落地的挑戰(zhàn)與前沿對(duì)策
    到目前為止，深度強(qiáng)化學(xué)習(xí)最成功、最有名的應(yīng)用仍然是 Atari 游戲、圍棋游戲等。即使深度強(qiáng)化學(xué)習(xí)有很多現(xiàn)實(shí)中的應(yīng)用，但其中成功的應(yīng)用并不多。為什么呢？本文總結(jié)目前的挑戰(zhàn)。
  • 伯克利具身智能圖譜：深度強(qiáng)化學(xué)習(xí)浪尖上的中國(guó) 90 后們
    伯克利具身智能圖譜：深度強(qiáng)化學(xué)習(xí)浪尖上的中國(guó) 90 后們
    短短不到一年內(nèi)，邊塞科技、星動(dòng)紀(jì)元、星海圖和千尋智能接連成立，躋身國(guó)內(nèi)明星創(chuàng)企之列；大洋彼岸，Covariant 和 Anyware Robotics 也正在灣區(qū)閃耀。六家具身智能公司，八位 90 后創(chuàng)始人，他們都成長(zhǎng)于深度強(qiáng)化學(xué)習(xí)的搖籃。作為最早一批開(kāi)啟新范式的人，他們探索 AI 和 Robotics 的故事要從踏入伯克利校園說(shuō)起。
  • 如果強(qiáng)化學(xué)習(xí)是問(wèn)題，大模型是否是「答案」？
    如果強(qiáng)化學(xué)習(xí)是問(wèn)題，大模型是否是「答案」？
    “強(qiáng)化學(xué)習(xí)讓大模型具有了思考能力，大模型為強(qiáng)化學(xué)習(xí)提供了更開(kāi)闊的思路。”? 在當(dāng)今大模型推動(dòng)的新一波人工智能的快速發(fā)展浪潮中，大模型和強(qiáng)化學(xué)習(xí)技術(shù)的結(jié)合成為研究和產(chǎn)業(yè)界的焦點(diǎn)。尤其最近OpenAI最新模型o1的發(fā)布，強(qiáng)化學(xué)習(xí)成為o1的靈魂，更是印證了強(qiáng)化學(xué)習(xí)的潛力。大模型憑借其強(qiáng)大的數(shù)據(jù)處理能力，為強(qiáng)化學(xué)習(xí)提供了豐富的知識(shí)。這種結(jié)合不僅極大地?cái)U(kuò)展了人工智能在處理復(fù)雜問(wèn)題上的能力，也為強(qiáng)化學(xué)習(xí)帶來(lái)了更深層次的洞察力和更高效的決策過(guò)程。
  • 白話機(jī)器學(xué)習(xí)-第五章-強(qiáng)化學(xué)習(xí)
    白話機(jī)器學(xué)習(xí)-第五章-強(qiáng)化學(xué)習(xí)
    什么是強(qiáng)化學(xué)習(xí)？在機(jī)器學(xué)習(xí)的大家庭里，強(qiáng)化學(xué)習(xí)（RL）是那個(gè)總是在玩“打怪升級(jí)”游戲的孩子。這個(gè)孩子不斷嘗試各種策略，尋找最優(yōu)的游戲路線，在失敗中學(xué)習(xí)，在成功中積累經(jīng)驗(yàn)，最終成為一名“游戲高手”。在現(xiàn)實(shí)世界中，強(qiáng)化學(xué)習(xí)算法通過(guò)與環(huán)境的交互，逐漸優(yōu)化策略，以最大化其長(zhǎng)期收益。這種學(xué)習(xí)方式有點(diǎn)像訓(xùn)練一只小狗，經(jīng)過(guò)不斷的嘗試和獎(jiǎng)勵(lì)，小狗學(xué)會(huì)了坐下、握手、甚至是跳圈。
  • 一文了解【行為克隆 (Behavior Cloning)】
    一文了解【行為克隆 (Behavior Cloning)】
    本文介紹模仿學(xué)習(xí)中最簡(jiǎn)單和基礎(chǔ)的行為克隆(Behavior Cloning)，并總結(jié)它與強(qiáng)化學(xué)習(xí)的區(qū)別與結(jié)合。
  • 一文了解【完全合作關(guān)系】下的【多智能體強(qiáng)化學(xué)習(xí)】
    一文了解【完全合作關(guān)系】下的【多智能體強(qiáng)化學(xué)習(xí)】
    處于完全合作關(guān)系的多智能體的利益一致，獲得的獎(jiǎng)勵(lì)相同，有共同的目標(biāo)。比如多個(gè)工業(yè)機(jī)器人協(xié)同裝配汽車，他們的目標(biāo)是相同的，都希望把汽車裝好。在多智能體系統(tǒng)中，一個(gè)智能體未必能觀測(cè)到全局狀態(tài) S。設(shè)第 i 號(hào)智能體有一個(gè)局部觀測(cè)，記作 Oi，它是 S 的一部分。不妨假設(shè)所有的局部觀測(cè)的總和構(gòu)成全局狀態(tài)：
  • 基于DQN和TensorFlow的LunarLander實(shí)現(xiàn)（全代碼）
    基于DQN和TensorFlow的LunarLander實(shí)現(xiàn)（全代碼）
    使用深度Q網(wǎng)絡(luò)（Deep Q-Network, DQN）來(lái)訓(xùn)練一個(gè)在openai-gym的LunarLander-v2環(huán)境中的強(qiáng)化學(xué)習(xí)agent，讓小火箭成功著陸。下面代碼直接扔到j(luò)upyter notebook或CoLab上就能跑起來(lái)。
  • 端到端大模型來(lái)襲，自動(dòng)駕駛的最優(yōu)解？
    端到端大模型來(lái)襲，自動(dòng)駕駛的最優(yōu)解？
    最近，人工智能領(lǐng)域最火的莫過(guò)于大模型了。由美國(guó)初創(chuàng)企業(yè)OpenAI開(kāi)發(fā)的聊天應(yīng)用ChatGPT引爆市場(chǎng)，生成式AI成為科技市場(chǎng)熱點(diǎn)，ChatGPT背后是深度學(xué)習(xí)大模型，其理解和生成文字的能力超過(guò)以往AI產(chǎn)品。全球主要云計(jì)算公司例如亞馬遜等都加入其中，爭(zhēng)奪算力、開(kāi)發(fā)和銷售大模型，云計(jì)算市場(chǎng)迎來(lái)新一輪競(jìng)爭(zhēng)熱潮，覆蓋AI計(jì)算所需的算力、算法、數(shù)據(jù)各層面。
  • 什么是BPTEOS？它通常應(yīng)用于哪些領(lǐng)域
    BPTEOS（Back Propagation Through Time with Evolving Objectives and Strategies）是一種強(qiáng)化學(xué)習(xí)（Reinforcement Learning）算法，結(jié)合了時(shí)間反向傳播和動(dòng)態(tài)目標(biāo)與策略的演進(jìn)。該算法通過(guò)不斷優(yōu)化目標(biāo)和策略來(lái)實(shí)現(xiàn)智能體在動(dòng)態(tài)環(huán)境中的學(xué)習(xí)和決策。

正在努力加載...