کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
Reinforcement learning is a widely used approach to autonomous navigation, showing potential in various tasks and robotic setups. Still, it often struggles to reach distant goals when safety constraints are imposed (e.g., the wheeled robot is prohibited from moving close to the obstacles). One of the main reasons for poor performance in such setups, which is common in practice, is that the need to respect the safety constraints degrades the exploration capabilities of an RL agent. To this end, we introduce a novel learnable algorithm that is based on decomposing the initial problem into smaller sub-problems via intermediate goals, on the one hand, and respects the limit of the cumulative safety constraints, on the other hand -- SPEIS(Safe Policy Exploration Improvement via Subgoals). It comprises the two coupled policies trained end-to-end: subgoal and safe. The subgoal policy is trained to generate the subgoal based on the transitions from the buffer of the safe (main) policy that helps the safe policy to reach distant goals. Simultaneously, the safe policy maximizes its rewards while attempting not to violate the limit of the cumulative safety constraints, thus providing a certain level of safety. We evaluate SPEIS in a wide range of challenging (simulated) environments that involve different types of robots in two different environments: autonomous vehicles from the POLAMP environment and car, point, doggo, and sweep from the safety-gym environment. We demonstrate that our method consistently outperforms state-of-the-art competitors and can significantly reduce the collision rate while maintaining high success rates (higher by 80% compared to the best-performing methods).
چکیده به فارسی (ترجمه ماشینی)
یادگیری تقویت کننده یک رویکرد گسترده برای ناوبری خودمختار است و نشان دهنده پتانسیل در کارهای مختلف و مجموعه های روباتیک است.با این وجود ، غالباً هنگام تحمیل محدودیت های ایمنی ، به اهداف دوردست می رسد (به عنوان مثال ، ربات چرخدار از نزدیک شدن به موانع ممنوع است).یکی از اصلی ترین دلایل عملکرد ضعیف در چنین مجموعه هایی ، که در عمل رایج است ، این است که نیاز به احترام به محدودیت های ایمنی ، قابلیت های اکتشاف یک عامل RL را تخریب می کند.برای این منظور ، ما یک الگوریتم قابل یادگیری جدید را معرفی می کنیم که مبتنی بر تجزیه مشکل اولیه در زیرنویس های کوچکتر از طریق اهداف واسطه ای ، از یک طرف است و از طرف دیگر به محدودیت محدودیت های ایمنی تجمعی احترام می گذارد-Speis ((Speis).بهبود اکتشاف سیاست ایمن از طریق زیرمجموعه ها).این شامل دو سیاست همراه آموزش داده شده به پایان به پایان می رسد: فرعی و ایمن.این سیاست فرعی برای تولید زیرمجموعه بر اساس انتقال از بافر خط مشی امن (اصلی) که به سیاست ایمن برای رسیدن به اهداف دوردست کمک می کند ، آموزش داده شده است.به طور همزمان ، سیاست ایمن پاداش های خود را به حداکثر می رساند در حالی که سعی در نقض محدودیت های ایمنی تجمعی نداشته باشد ، بنابراین سطح خاصی از ایمنی را فراهم می کند.ما Speis را در طیف گسترده ای از محیط های چالش برانگیز (شبیه سازی شده) ارزیابی می کنیم که انواع مختلفی از روبات ها را در دو محیط مختلف درگیر می کند: وسایل نقلیه خودمختار از محیط Polamp و ماشین ، نقطه ، سگ ، و جارو از محیط ایمنی.ما نشان می دهیم که روش ما به طور مداوم از رقبای پیشرفته بهتر عمل می کند و می تواند ضمن حفظ نرخ موفقیت بالا ، میزان برخورد را به میزان قابل توجهی کاهش دهد (بالاتر از 80 ٪ در مقایسه با روشهای بهترین عملکرد).
📚 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.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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
