Đột phá VLA-RL: Khi robot biết 'tiên đoán tương lai' để ra quyết định chính xác

Học tăng cường cho mô hình VLA trong điều khiển robot: Tổng quan

Trong đó, các hành động được tạo ra từng bước thông qua việc dự đoán token tiếp theo. Học tăng cường (Reinforcement Learning) có thể tận dụng trực tiếp xác suất dự đoán token từ các mô hình VLA tự hồi quy, thông qua giám sát cấp độ token và sự thúc đẩy từ phần thưởng...

Deep Learning trong thị giác máy tính và xe tự lái

Tại sao VLA luôn thiếu bước cuối cùng? Bài viết RLT này của Physical Intelligence đã đánh trúng tử huyệt của việc hiện thực hóa trí tuệ hiện thân (Embodied AI).

Chào mừng bạn gia nhập cộng đồng học tập toàn diện về trí tuệ hiện thân đầu tiên tại Trung Quốc: Knowledge Planet của Embodied AI Heart... Bước đầu tiên không phải là thực hiện trực tiếp RL, mà là cải tiến VLA trước, để nó xuất ra một kết quả phù hợp...

Xe tự lái và AI

GTC'26 dưới góc nhìn của một kỹ sư thuật toán: Trong kỷ nguyên end-to-end, đâu là chủ đề chính của xe tự lái?

Biên tập bởi đội ngũ AutoDrivingHeart >> Cập nhật thông tin tiên phong về xe tự lái →... 1.5 là một mô hình VLA (Vision-Language-Action) suy luận với 10B tham số...

AutoDrivingHeart (Trái tim xe tự lái)

Phỏng vấn chuyên sâu | Từ Nghiên cứu viên cấp cao Từ Doanh Huy (Xu Yinghui) của Bộ phận Tìm kiếm Alibaba: Phân tích công nghệ học tăng cường đằng sau Alibaba

Synced (Máy tâm): Tài nguyên phần cứng và thời gian huấn luyện cho hệ thống học tăng cường của Alibaba như thế nào? Từ Doanh Huy: Một hệ thống học tăng cường thực chiến chắc chắn đòi hỏi phải có một...

Synced (Máy tâm)

Từ FPS đến RTS, tổng quan về các thuật toán Deep Learning trong trí tuệ nhân tạo cho trò chơi

Trích từ arXiv, biên dịch bởi Synced, tham gia: Lộ Tuyết, Lý Trạch Nam, Lý Á Châu. Bài viết này tổng quan về việc sử dụng... là một nền tảng lớn so sánh các thuật toán học tăng cường và các giao diện độc lập, giao diện này bao gồm một loạt...

Synced (Máy tâm)

MindVLA-o1 được chia sẻ tại GTC bởi Chiêm Côn (Zhan Kun) từ Li Auto: Hướng tới kiến trúc toàn cảnh cho trí tuệ hiện thân...

Từ nội dung chia sẻ này, cũng xác nhận suy nghĩ trước đó của AutoDrivingHeart: VLA và... 4) Tiến hóa vòng lặp kín: Tự tiến hóa dựa trên học tăng cường. Phần tiếp theo, Li Auto tập trung vào...

Yanzhi Auto

Green-VLA: Mô hình VLA theo giai đoạn dành cho robot đa năng

Green-VLA áp dụng hai chiến lược học tăng cường bổ trợ cho nhau, và cả hai phương pháp này đều có một ưu điểm chung: bảo vệ trọng số của mô hình nền tảng tiền huấn luyện (R1) không bị thay đổi đột ngột...

Tiểu Hồ học LLM

Sau kế hoạch NASA, Alibaba tiếp tục tiết lộ bố cục trong lĩnh vực học tăng cường

Mời ông giới thiệu chi tiết về tư duy, bố cục và nhận định của Alibaba đối với tương lai trong lĩnh vực công nghệ này... Đâu là điểm độc đáo trong học tăng cường của Alibaba? Với những câu hỏi này, Synced...

Alibaba Developer

ALOE: Đánh giá chính sách ngoại tuyến cấp độ hành động cho hậu huấn luyện mô hình VLA

Mô hình VLA [4] đóng vai trò là Actor. Với các quan sát thị giác, cảm giác bản thể của robot và chỉ dẫn ngôn ngữ, Actor dự đoán các khối hành động liên tục thông qua đầu hành động khớp dòng (flow matching). Trong học tăng cường (RL...

Deep Learning trong thị giác máy tính và xe tự lái

Một bên điên cuồng nạp ngữ nghĩa, một bên điên cuồng tối ưu quy hoạch: VLA và mô hình thế giới, ai sẽ là người cười cuối cùng?

Trong khi đó, việc học một mô hình ẩn có thể lặp lại để dự đoán phần thưởng, giá trị và chiến lược, kết hợp với tìm kiếm cây (tree search), giúp đạt được hiệu suất quy hoạch mạnh mẽ trên các trò chơi cờ và Atari. So sánh kiến trúc và chi tiết triển khai với VLA end-to-end...

redsheep3note

12345678910 Trang sau

Tìm thấy khoảng 214 kết quả