ترجمه فارسی مقاله عامل‌های تقویت‌شده با انتشار: چارچوبی برای اکتشاف کارآمد و یادگیری انتقالی

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 Diffusion Augmented Agents: A Framework for Efficient Exploration and Transfer Learning
عنوان مقاله به فارسی عامل‌های تقویت‌شده با انتشار: چارچوبی برای اکتشاف کارآمد و یادگیری انتقالی
نویسندگان Norman Di Palo, Leonard Hasenclever, Jan Humplik, Arunkumar Byravan
فرمت مقاله انگلیسی PDF
تعداد صفحات 17
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Robotics,یادگیری ماشین , هوش مصنوعی , روباتیک ,
توضیحات Submitted 30 July, 2024; originally announced July 2024. , Comments: Published at 3rd Conference on Lifelong Learning Agents (CoLLAs), 2024
توضیحات به فارسی ارسال شده 30 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: منتشر شده در سومین کنفرانس در مورد عوامل یادگیری مادام العمر (Collas) ، 2024

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 680,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 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

We introduce Diffusion Augmented Agents (DAAG), a novel framework that leverages large language models, vision language models, and diffusion models to improve sample efficiency and transfer learning in reinforcement learning for embodied agents. DAAG hindsight relabels the agent's past experience by using diffusion models to transform videos in a temporally and geometrically consistent way to align with target instructions with a technique we call Hindsight Experience Augmentation. A large language model orchestrates this autonomous process without requiring human supervision, making it well-suited for lifelong learning scenarios. The framework reduces the amount of reward-labeled data needed to 1) finetune a vision language model that acts as a reward detector, and 2) train RL agents on new tasks. We demonstrate the sample efficiency gains of DAAG in simulated robotics environments involving manipulation and navigation. Our results show that DAAG improves learning of reward detectors, transferring past experience, and acquiring new tasks - key abilities for developing efficient lifelong learning agents. Supplementary material and visualizations are available on our website https://sites.google.com/view/diffusion-augmented-agents/

چکیده به فارسی (ترجمه ماشینی)

ما عوامل تقویت شده انتشار (DAAG) را معرفی می کنیم ، یک چارچوب جدید که از مدل های بزرگ زبان ، مدل های زبان بینایی و مدل های انتشار برای بهبود کارآیی نمونه و انتقال یادگیری در یادگیری تقویت شده برای عوامل تجسم استفاده می کند.Daag Hindsight تجربه گذشته عامل را با استفاده از مدل های انتشار برای تبدیل فیلم ها به روشی موقت و هندسی سازگار برای تراز کردن با دستورالعمل های هدف با تکنیکی که ما از آن استفاده می کنیم ، تقویت می کند.یک مدل بزرگ زبان این فرایند خودمختار را بدون نیاز به نظارت انسانی ، ارکستر می کند و آن را برای سناریوهای یادگیری مادام العمر مناسب می کند.این چارچوب میزان داده های دارای پاداش مورد نیاز را برای 1) یک مدل زبان بینایی که به عنوان یک آشکارساز پاداش عمل می کند ، کاهش می دهد و 2) عوامل RL را بر روی کارهای جدید آموزش می دهد.ما سودآور نمونه DAAG را در محیط های شبیه سازی شده روباتیک شامل دستکاری و ناوبری نشان می دهیم.نتایج ما نشان می دهد که DAAG یادگیری آشکارسازهای پاداش ، انتقال تجربه گذشته و دستیابی به کارهای جدید را بهبود می بخشد - توانایی های کلیدی برای توسعه عوامل کارآمد یادگیری مادام العمر.مواد و تجسم های تکمیلی در وب سایت ما https://sites.google.com/view/diffusion-augmented-agents/ در دسترس است

📚 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.