هوش مصنوعی
روش CNDO برای بهبود سیاست‌های رباتیکِ مولد بدون بازآموزی کامل پیشنهاد شد
پیش‌چاپی در arXiv روشی برای تنظیم سیاست‌های مولدِ ازپیش‌آموزش‌دیده با یادگیری تقویتی آنلاین معرفی می‌کند؛ چکیدهٔ در دسترس جزئیات ارزیابی آن را نشان نمی‌دهد.
سیاست‌های مولدِ ازپیش‌آموزش‌دیده می‌توانند الگوهای رفتاری ارزشمندی برای کنترل ربات فراهم کنند، اما بهبود آن‌ها با یادگیری تقویتی آنلاین دشوار است: تغییرات نباید ساختار آموخته‌شده از نمایش‌های آفلاین را از بین ببرد. مقالهٔ پیش‌چاپی در arXiv روشی به نام Conservative Noise Directional Optimization را پیشنهاد می‌کند که در چکیده با نام اختصاری CNDO آمده است.
این روش در فضای نویز عمل می‌کند؛ رویکردی که، بنا بر توضیح نویسندگان، در روش‌های موجود معمولاً با نواحی مجازِ نهفتهٔ ثابتی محدود می‌شود و ممکن است برخی تغییرات مفید را کنار بگذارد. نویسندگان همچنین می‌گویند روش‌های باقیمانده در فضای کنش از نظر بهره‌وری نمونه عملکرد بهتری دارند، اما هنوز جای بهبود دارند. چکیدهٔ منتشرشده در دادهٔ منبع پیش از شرح کامل روش یا ارائهٔ نتایج قطع می‌شود؛ بنابراین دربارهٔ عملکرد CNDO اطلاعاتی در دست نیست.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درج‌شده تنظیم شده‌اند؛ صحت مستقل همه ادعاها تضمین نمی‌شود.
منبع: arXiv · AI (پیش‌چاپ) — مشاهده منبع اصلی ↗
پیش‌چاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده