ترجمه فارسی مقاله تصمیم گیری آنلاین MetamorphFormer: یک چارچوب یادگیری تقویت کننده مبتنی بر ترانسفورماتور از هوش تجسم یافته جهانی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Online Decision MetaMorphFormer: A Casual Transformer-Based Reinforcement Learning Framework of Universal Embodied Intelligence
عنوان مقاله به فارسی تصمیم گیری آنلاین MetamorphFormer: یک چارچوب یادگیری تقویت کننده مبتنی بر ترانسفورماتور از هوش تجسم یافته جهانی
نویسندگان Luo Ji, Runji Lin
فرمت مقاله انگلیسی PDF
تعداد صفحات 16
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Robotics,یادگیری ماشین , هوش مصنوعی , روباتیک ,
توضیحات Submitted 11 September, 2024; originally announced September 2024. , Comments: 12 pages, 6 figures
توضیحات به فارسی ارسال شده در 11 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 12 صفحه ، 6 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Interactive artificial intelligence in the motion control field is an interesting topic, especially when universal knowledge is adaptive to multiple tasks and universal environments. Despite there being increasing efforts in the field of Reinforcement Learning (RL) with the aid of transformers, most of them might be limited by the offline training pipeline, which prohibits exploration and generalization abilities. To address this limitation, we propose the framework of Online Decision MetaMorphFormer (ODM) which aims to achieve self-awareness, environment recognition, and action planning through a unified model architecture. Motivated by cognitive and behavioral psychology, an ODM agent is able to learn from others, recognize the world, and practice itself based on its own experience. ODM can also be applied to any arbitrary agent with a multi-joint body, located in different environments, and trained with different types of tasks using large-scale pre-trained datasets. Through the use of pre-trained datasets, ODM can quickly warm up and learn the necessary knowledge to perform the desired task, while the target environment continues to reinforce the universal policy. Extensive online experiments as well as few-shot and zero-shot environmental tests are used to verify ODM's performance and generalization ability. The results of our study contribute to the study of general artificial intelligence in embodied and cognitive fields. Code, results, and video examples can be found on the website \url{https://rlodm.github.io/odm/}.

چکیده به فارسی (ترجمه ماشینی)

هوش مصنوعی تعاملی در زمینه کنترل حرکت موضوعی جالب است ، به ویژه هنگامی که دانش جهانی با چندین کار و محیط های جهانی سازگار است.علیرغم تلاش های فزاینده ای در زمینه یادگیری تقویت (RL) با کمک ترانسفورماتورها ، بیشتر آنها ممکن است توسط خط لوله آموزش آفلاین محدود شوند ، که توانایی های اکتشاف و تعمیم را ممنوع می کند.برای پرداختن به این محدودیت ، ما چارچوب تصمیم گیری آنلاین MetamorphFormer (ODM) را پیشنهاد می کنیم که هدف آن دستیابی به خودآگاهی ، تشخیص محیط و برنامه ریزی عمل از طریق یک معماری مدل یکپارچه است.با انگیزه روانشناسی شناختی و رفتاری ، یک عامل ODM قادر است از دیگران بیاموزد ، جهان را بشناسد و خود را بر اساس تجربه خودش تمرین کند.ODM همچنین می تواند برای هر عامل دلخواه با بدنه چند مفصل ، واقع در محیط های مختلف ، اعمال شود و با انواع مختلفی از کارها با استفاده از مجموعه داده های از پیش آموزش در مقیاس بزرگ آموزش دیده باشد.با استفاده از مجموعه داده های از پیش آموزش دیده ، ODM می تواند به سرعت گرم شود و دانش لازم را برای انجام کار مورد نظر بیاموزد ، در حالی که محیط هدف همچنان به تقویت سیاست جهانی می پردازد.از آزمایشات گسترده آنلاین و همچنین تست های محیطی چند عکس و شات برای تأیید عملکرد و توانایی عمومی ODM استفاده می شود.نتایج مطالعه ما به مطالعه هوش مصنوعی عمومی در زمینه های تجسم یافته و شناختی کمک می کند.کد ، نتایج و نمونه های ویدیویی را می توان در وب سایت \ url {https://rlodm.github.io/odm/} یافت.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.