Chelsea Finn

Um método que usa exemplos pra guiar os agentes na tomada de decisão.

Um novo método melhora o desempenho dos robôs usando pontos de referência na aprendizagem por imitação.

MOTO melhora o aprendizado de robôs juntando treinamento offline com ajustes online.

AutoFT melhora o desempenho do modelo em dados não vistos através de técnicas inovadoras de ajuste fino.

Um novo sistema melhora a maneira como os robôs coletam e aprendem com dados do mundo real.

Apresentando o SERL: um novo framework pra tarefas de aprendizado de robôs de forma eficiente.

Esse artigo fala sobre um jeito de melhorar os LLMs usando feedback verbal sem generalizar demais.

Um estudo sobre a eficácia do RLAIF em comparação com o ajuste fino supervisionado para modelos de linguagem.

Um método pra melhorar o aprendizado de máquina usando dados não rotulados em vários domínios.

Estudo revela benefícios de treinar robôs com experiências variadas de tarefas.

Os robôs estão aprendendo a se adaptar e fazer tarefas em várias áreas.

Robôs aprendem a se adaptar e melhorar recebendo feedback humano em tempo real.

Novo modelo melhora o aprendizado de máquina separando dados complexos em partes mais simples.

Este estudo avalia métodos para melhorar modelos de linguagem grande usando dados de preferência dos usuários.

Esse artigo fala sobre o papel das simulações na avaliação das habilidades de robôs.

Políticas de robôs generalistas melhoram a adaptabilidade para várias tarefas na robótica.

Analisando a superotimização em DAAs e seu impacto no desempenho do modelo.

Um novo modelo permite que robôs aprendam tarefas melhor usando entradas visuais e de linguagem.

Uma nova abordagem ajuda os robôs a se adaptarem rapidamente a tarefas desconhecidas.

Novos métodos melhoram o movimento de robôs de pernas em ambientes complexos usando IA.

Os robôs melhoram a navegação entendendo tanto fala quanto imagens.

Um novo método pra avaliar os valores diversos dos usuários em modelos de linguagem.

Esse método melhora a confiabilidade das pontuações de confiança dos modelos de linguagem.

Uma maneira divertida de todo mundo ajudar a ensinar robôs através de dados colaborativos.

Descubra como o Aprendizado por Reforço Agnóstico a Políticas muda a tomada de decisão das máquinas.