Peter Stone

Un nuovo framework migliora l'efficienza nel coordinamento e nell'esecuzione dei compiti tra più robot.

I robot possono adattarsi meglio a nuovi terreni prevedendo le preferenze degli operatori.

Utilizzando la teoria dei giochi, i robot coordinano i movimenti in spazi ristretti per evitare collisioni.

I robot si adattano a terreni diversi usando dati raccolti da soli.

t-DGR offre un nuovo approccio all'apprendimento continuo, migliorando la retention delle attività e le performance.

Un nuovo sistema di teleoperazione semplifica l'addestramento dei robot tramite il controllo umano in tempo reale.

L'esplorazione è fondamentale per addestrare in modo efficace gli agenti nel rinforzo multitasking.

Una nuova piattaforma dove i robot imparano compiti complessi giocando a air hockey.

L'apprendimento per imitazione aiuta i robot a muoversi meglio in ambienti affollati.

Nuovo programma AI supera i conducenti umani usando solo i dati interni dell'auto.

Un nuovo metodo migliora l'efficienza dell'apprendimento dei robot grazie a una migliore interazione con gli esseri umani.

I team hanno mostrato le loro abilità di navigazione dei robot in una competizione impegnativa.

Un nuovo approccio ai modelli di stato-spazio migliora l'efficienza e le prestazioni nei compiti linguistici.

Migliorare la capacità dei robot di adattarsi e imparare dalle esperienze.

Un nuovo metodo migliora l'addestramento dei robot allineando i compiti simulati con scenari reali.

Un nuovo modo per far imparare i computer più velocemente in vari compiti.

I ricercatori insegnano all'IA a capire comandi semplici per azioni del mondo reale.

Scopri come il reinforcement learning sta cambiando il calcio robotico.