Chelsea Finn

Eine Methode, die Beispiele nutzt, um Agenten bei Entscheidungen zu leiten.

Eine neue Methode verbessert die Roboterleistung, indem sie Wegpunkte im Imitationslernen nutzt.

MOTO verbessert das Lernen von Robotern, indem es Offline-Training mit Online-Fine-Tuning kombiniert.

AutoFT verbessert die Modellleistung bei unbekannten Daten durch innovative Feinabstimmungstechniken.

Ein neues System verbessert, wie Roboter Daten aus der realen Welt sammeln und lernen.

Vorstellung von SERL: Ein neues Framework für effiziente Robotik-Lernaufgaben.

Dieser Artikel bespricht eine Methode, um LLMs mit verbalem Feedback zu verbessern, ohne zu übergeneralieren.

Eine Studie zur Effektivität von RLAIF im Vergleich zu überwachten Feinabstimmungen für Sprachmodelle.

Eine Methode, um maschinelles Lernen mit unmarkierten Daten in verschiedenen Bereichen zu verbessern.

Eine Studie zeigt die Vorteile, Roboter mit unterschiedlichen Aufgaben zu trainieren.

Roboter lernen, sich anzupassen und Aufgaben in verschiedenen Bereichen zu erledigen.

Roboter lernen, sich anzupassen und besser zu werden, indem sie direktes Feedback von Menschen bekommen.

Neues Modell verbessert maschinelles Lernen, indem es komplexe Daten in einfachere Teile aufteilt.

Diese Studie bewertet Methoden, um grosse Sprachmodelle mit Nutzervorlieben zu verbessern.

Dieser Artikel behandelt die Rolle von Simulationen bei der Bewertung von Roboterfähigkeiten.

Allgemeine Roboter-Richtlinien verbessern die Anpassungsfähigkeit für verschiedene Aufgaben in der Robotik.

Untersuchen von Überoptimierung in DAAs und deren Einfluss auf die Modellleistung.

Ein neues Modell ermöglicht es Robotern, Aufgaben besser zu lernen, indem sie visuelle und sprachliche Eingaben nutzen.

Ein neuer Ansatz hilft Robotern, sich schnell an unbekannte Aufgaben anzupassen.

Neue Methoden verbessern die Bewegung von Robotern mit Beinen in komplexen Umgebungen mithilfe von KI.

Roboter verbessern die Navigation, indem sie sowohl Sprache als auch Bilder verstehen.

Eine neue Methode, um verschiedene Nutzerwerte in Sprachmodellen zu bewerten.

Diese Methode verbessert die Zuverlässigkeit der Vertrauenswerte von Sprachmodellen.

Eine coole Möglichkeit für alle, Robotern durch crowdsourced Daten beim Lernen zu helfen.

Entdecke, wie policy-agnostisches Verstärkungslernen die Maschinenentscheidungen verändert.