Ruslan Salakhutdinov

Apprends comment l'apprentissage contrastif améliore la prédiction et la planification des séries temporelles.

Crée des agents intelligents facilement en utilisant des invites en langage naturel.

Un nouveau système améliore la qualité d'image en utilisant des adaptateurs spécialisés basés sur des invites textuelles.

Une nouvelle méthode améliore l'apprentissage des robots en combinant des modèles de langage et l'apprentissage par renforcement.

Explorer les défis de sécurité posés par les attaques adversariales sur des agents multimodaux.

Une communication efficace est essentielle pour que les robots suivent les instructions humaines correctement.

Une nouvelle méthode améliore l'efficacité de la planification de mouvement des robots en utilisant des simulations et des données d'experts.

Nouveau système améliore la mémoire des robots et leur communication dans les environnements humains.

Une nouvelle approche pour améliorer la récupération des images sans entraînement intensif.