Pesquisadores desenvolvem técnica de aprendizado por reforço para robótica
Nova técnica integra políticas de RL com modelos de fundação robóticos para otimizar o processamento de dados em tempo real.
||
22/09 às 00:40
Pontos principais
- O método utiliza 'real-time chunking' para processar imagens com maior velocidade.
- O sistema combina uma política de RL de pequeno porte com um modelo de fundação robótico de larga escala.
- O projeto é uma colaboração entre a UC Berkeley e a Siemens.
- A pesquisa foi liderada por Brian Zhu, Momen Khalil, Emanuele Poggi e Harrison Harrison.
Pesquisadores da UC Berkeley e da Siemens desenvolveram uma nova técnica para integrar políticas de aprendizado por reforço (RL) com modelos de fundação robóticos. O método utiliza o conceito de 'real-time chunking' para processar imagens recentes com maior velocidade, permitindo a otimização de comportamentos em tempo real.
O sistema funciona combinando uma política de RL de pequeno porte com um modelo de fundação robótico de larga escala. O trabalho foi conduzido por uma equipe composta por Brian Zhu, Momen Khalil, Emanuele Poggi e Harrison Harrison.
Comentários
Carregando comentários...
