为此，谷歌使用了四种经验来源：（1）简单的手工设计策略，成功率很低，但有助于提供初步经验；（2）模拟训练框架，使用模拟 - 真实的迁移来提供一些初步的垃圾分类策略；（3）“robot classrooms”，机器人使用有代表性的垃圾站不断练习（4）真实的部署环境，机器人在有真实垃圾的办公楼里练习。强化学习在该大规模...
在真实世界实验中，他们使用的数据集包含 3.8 万个成功演示和 2 万个失败的自动收集的场景，这些数据是通过 13 台机器人在 700 多个任务上收集的。Q-Transformer 的表现优于之前提出的用于大规模机器人强化学习的架构，以及之前提出的 Decision Transformer 等基于 Transformer 的模型。方法概览 为了使用 Transformer ...
由 Abbeel 和他的学生创建的强化学习机器人平台公司 Covariant，基于自己的真实、复杂机器人数据集与海量的互联网数据，推出了一个机器人基础模型（RFM-1）。据介绍，在识别了图像、感官数据和文本的模式后，该技术让机器人有能力处理物理世界中的突发状况。即使机器人从未见过香蕉，它也知道如何拿起香蕉。它还能用简单...
由Abbeel及其学生创办的机器人公司Covariant推出了全新的机器人基础模型RFM-1。该系统利用公司积累的大量机器人操作数据，结合网络上的图像、文本等海量信息进行训练，使机器人获得了一系列通用技能。RFM-1能识别图像、传感器数据、自然语言，并将它们映射到合适的机器人动作。即使面对全新物体如香蕉，它也能迅速理解如何拿...
近年来,强化学习在人工智能领域中所表现出来的成果多数是在仿真、视频游戏等非物理环境中实现的,然而在物理系统伤的复杂策略仍存在很大的挑战。这篇文章聚焦的是如何利用迁移学习,使强化学习能够在模拟环境中进行训练,而在实际的物理机器人领域中得到应用。
通过强化学习 (RL) 据称是训练机器人的最简单方法，需要做很多工作。强化学习是一种机器学习技术，它使代理能够在交互式环境中使用来自其自身行为和经验的反馈，通过反复试验来学习。它与监督学习的不同之处在于，监督学习涉及以执行任务的正确动作集的形式向代理提供反馈。相比之下，RL 使用奖励和惩罚作为积极和消极...
假如我们想构建一个星际探险机器人,我们可能会在地球上收集一个机器人探索地面环境的数据集,这些数据集被用来教会智能体关于物理现象的知识,作为离线强化学习的基础。 机器人可以像为远航做准备的宇航员一样,学习可能在未来有用的技能。然后,机器...
比如，利用这套数据集可以让机器人学习拧瓶盖倒水：将三色积木叠放到一起：此外还包括将摄像头放入相应包装盒、收集物品并存储、双臂抓取红色木块并将其放入一个黑色长方形容器中这些操作。最后，宇树开源的也不只是和机器人相关的项目。上个月宇树发布了售价419美元的激光雷达， 在产品上线的同时就将其采用的Point-...
2025年2月6日，据 TechCrunch消息，近日，波士顿动力公司宣布与机器人与人工智能研究所（RAI Institute）建立合作伙伴关系，旨在为其电动Atlas人形机器人引入更先进的强化学习技术。RAI研究所由前麻省理工学院教授马克·雷伯特（Marc Raibert）创立，他曾担任波士顿动力公司首席执行官长达30年之久。2022年，雷伯特成立了该...
腾讯RoboticsX实验室的新研究,它通过将前沿的预训练AI模型和强化学习技术应用到机器人控制领域,让机器狗MAX的灵活性和自主决策能力得到大幅提升。通过引入预训练模型和强化学习技术,机器狗可以分阶段进行学习,并有效的将不同阶段的技能、...