Peter Stone

新しいフレームワークがマルチロボットの協調とタスク実行の効率を高めるよ。

ロボットはオペレーターの好みを予測することで新しい地形にうまく適応できる。

ゲーム理論を使って、ロボットは狭い場所での動きを調整して衝突を避けるんだ。

ロボットは、自分で集めたデータを使って、さまざまな地形に適応するんだ。

t-DGRは、継続学習への新しいアプローチを提供し、タスクの保持とパフォーマンスを向上させるよ。

新しいテレオペレーションシステムは、リアルタイムの人間のコントロールを通じてロボットのトレーニングを簡素化する。

探査は、マルチタスク強化学習でエージェントを効果的に訓練するための鍵だよ。

ロボットがエアホッケーで複雑なタスクを学ぶ新しいプラットフォーム。

模倣学習はロボットが混雑した環境でうまく動けるように助けるよ。

新しいAIプログラムが車内のデータだけで人間のドライバーを超えた。

新しい方法が人間とのやり取りを改善してロボットの学習効率を上げる。

チームは厳しい競技でロボットのナビゲーションスキルを披露した。

新しい状態空間モデルへのアプローチが、言語タスクの効率とパフォーマンスを向上させる。

ロボットの適応力と経験から学ぶ能力を強化すること。

新しい方法で、ロボットのトレーニングがシミュレーションしたタスクを現実のシナリオに合わせることで向上するんだ。

様々なタスクでのコンピュータ学習を早くする新しいアプローチ。

研究者たちはAIに現実の行動のための簡単な指示を理解させる方法を教えている。

強化学習がロボットサッカーをどう変えてるか発見しよう。