-
使用Panda-Gym的机器臂模拟进行Deep Q-learning强化学习
强化学习(RL 是一种机器学习方法,它允许代理通过试错来学习如何在环境中表现。行为主体因采取行动导致预期结果而获得奖励,因采取行动导致预期结果而受到惩罚。随着时间的推移,代理学会采取行动,使其预期回报最大化。 RL代理通常使用马尔可夫决策过程(MDP ...
-
光学矩阵乘法将如何改变人工智能
当前的人工智能世界耗电且计算有限。模型开发的轨迹很快,但随着这种进步,需要大幅增加计算能力。现有的基于晶体管的计算正在接近其物理极限,并且已经难以满足这些不断增长的计算需求。 大型企业已经尝试通过开发自己的定制芯片解决方案来解决这个问题。然而,硬件瓶颈可...
-
工作空间设计的未来:人工智能、3D演练和实时协作
在过去的十年里,在引入智能的人工智能工具之后,工作空间的设计已经完全改变了。早些时候,办公室布局有基于预先设计的分层工作站,忽略了工作环境。这些办公室也有过时的管理系统,依赖于手工流程,缺乏可扩展性。在这里,室内设计师很少考虑符合人体工程学的家具和灵活...
-
让大模型看图比打字管用!NeurIPS 2023新研究提出多模态查询方法,准确率提升7.8%
大模型“识图”能力都这么强了,为啥还老找错东西? 例如,把长得不太像的蝙蝠和拍子搞混,又或是认不出一些数据集中的稀有鱼类…… 这是因为,我们让大模型“找东西”时,往往输入的是文本。 如果描述有歧义或太偏门,像是“bat”(蝙蝠还是拍子?)或“魔鳉”(Cy...
-
首个多视角自动驾驶场景视频生成世界模型 | DrivingDiffusion: BEV数据和仿真新思路
笔者的一些个人思考 在自动驾驶领域,随着BEV-based子任务/端到端方案的发展,高质量的多视图训练数据和相应的仿真场景构建愈发重要。针对当下任务的痛点,“高质量”可以解耦成三个方面: 不同维度上的长尾场景:如障碍物数据中近距离的车辆以及切车过程中...
-
Meta重磅更新,小扎在元宇宙里养了会做家务的狗!人形化身超逼真,AI智能体在真实物理世界和人互动
今天开始,人类离帮忙做家务的机器人,又近了一步! Meta宣布推出Habitat 3.0,目的是开发出社会化的AI智能体,这意味着社交智能机器人已经进入新的里程碑阶段。 这些具身智能背后的关键,当然就是AI Agent。有了它们,机器人可以和人类协作...