标签：强化学习
实训产品：Orbbot Arm 3D视觉桌面机器人介绍
Orbbec Arm是一款基于奥比中光RGBD传感器的AI智能机械臂套件，配备多种场景配件，软件算法方面采用深度学习库PyTorch+YOLOv5框架，具备深度数据采集、目标检...
University of Colorado Boulder : Mateo Perez | 循环强化学习
【论文链接】https“【推荐理由】循环是有限描述潜在无限对象的基本范式。由于最先进的强化学习（RL）算法无法直接对循环进行推理；它们必须依靠实践者的创造...
UC Berkeley：Charlie Snell | 基于内隐语言Q学习的自然语言生成离线RL
【推荐理由】大型语言模型从文本语料库中提取广泛的知识，这个问题可以通过在管理的数据集上进行监督学习或通过强化学习对此类模型进行微调来解决。本文提出...
FURG : Junior C. de Jesus | Depth-CUPRL：无人机Mapless导航强化学习中的深度图像对比无监督优先表示
【推荐理由】强化学习通过原始像素成像和连续控制任务在视频游戏中表现出了令人印象深刻的性能。RL在高维观察（如原始像素图像）中表现不佳。基于物理状态的R...
金山大学|世界价值函数：学习和规划的知识表示
【推荐理由】本文提出了世界价值函数（WVFs），这是一种面向目标的通用价值函数。而且解决智能体环境中任何其他达到目标的任务，这是通过为智能体配备一个内...
强化学习图鉴｜你与最优策略之间，可能还差一本离线强化学习秘籍
离线强化学习是利用预先收集的大规模静态数据集来训练强化学习智能体的关键，探讨了离线强化学习的训练过程以及其和类似概念的异同。同时本文也解释了经典强...
电子科技大学|强化学习中有效利用的聚类经验回放
【推荐理由】强化学习通过利用不同决策产生的转换经验来训练智能体做出决策。大多数强化学习方法通过统一采样重放探索过的转换。很容易忽略最后探索的转换...
强化学习之父Richard Sutton论文：追寻智能决策者的通用模型
本文的想法是通过提出关于决策者的观点来加强和深化这一前提，这种观点在心理学、人工智能、经济学、控制理论和神经科学中具有实质性和广泛的应用，我称之为...
香港理工大学|数据高效的强化学习和网络流量动态的自适应最优周界控制
//www.sciencedirect.com/sdfe/reader/pii/S0968090X22001929/pdf【推荐理由】现有的数据驱动和反馈流量控制策略没有考虑实时数据测量的异构性。传统的交通控...
清华大学|稀疏奖励目标条件强化学习的阶段性自我模仿减少
【推荐理由】将监督学习 (SL) 的能力用于更有效的强化学习 (RL) 方法是最近的趋势，本文提出了一种新颖的阶段性方法，通过交替在线监督学习和离线强化学习来...
这是一个专注于人工智能产品的导航站。
