OpenAI:会学习的机器人
OpenAI 打造了一套完全在仿真中训练并部署到实体机器人上的机器人系统,只需看一次演示就能学会新任务。
推荐理由:该系统先在仿真中完成训练再部署到实体机器人,为具身智能的仿真到现实迁移提供了可参照的路径。
OpenAI 打造了一套完全在仿真中训练并部署到实体机器人上的机器人系统,只需看一次演示就能学会新任务。
推荐理由:该系统先在仿真中完成训练再部署到实体机器人,为具身智能的仿真到现实迁移提供了可参照的路径。
OpenAI 开发了一个无监督系统,它仅以预测 Amazon 评论文本的下一个字符为训练目标,就学习到了优秀的情感表示。
OpenAI 打造了全球首个完全在模拟环境中训练、并部署于实体机器人上的 Spam 检测 AI。
OpenAI 发现进化策略(ES)这一经典优化技术在 Atari/MuJoCo 等现代强化学习基准上可媲美标准强化学习方法,同时规避了强化学习的诸多不便。ES 是一种已存在数十年的优化技术,该研究表明其可作为强化学习的可扩展替代方案。
推荐理由:原文将进化策略与标准强化学习在 Atari/MuJoCo 基准上对比,读者可据此判断这一经典优化方法在扩展性上的优势。
OpenAI 宣布支持全新机器学习期刊 Distill 的发布。Distill 旨在以出色的方式传达机器学习研究成果,无论这些结果是新颖的还是已有的。
OpenAI 与 Google Brain、Berkeley、Stanford 的研究人员共同参与论文《Concrete Problems in AI Safety》,探讨如何确保现代机器学习系统按预期运行。论文围绕这一目标梳理了多个相关研究问题。
OpenAI 介绍了四个围绕生成式模型展开的项目,生成式模型是机器学习中无监督学习技术的一个分支。文章还进一步说明了生成式模型是什么、为什么重要以及未来可能的发展方向。