OpenAI 开发基于能量函数的模型以快速学习概念
OpenAI 开发出一种基于能量的模型,仅需五次演示即可快速学习并生成近、上、之间等二维点集概念。该模型还展示了跨域迁移能力,利用在二维粒子环境中学到的概念解决三维物理机器人的任务。
OpenAI 开发出一种基于能量的模型,仅需五次演示即可快速学习并生成近、上、之间等二维点集概念。该模型还展示了跨域迁移能力,利用在二维粒子环境中学到的概念解决三维物理机器人的任务。
OpenAI 训练出一只人形机器人手,能以前所未有的灵巧度操控物理对象。
OpenAI 训练的智能体通过单次人类演示学会玩 Montezuma’s Revenge,得分高达74,500分,优于之前任何已发布结果;采用与 OpenAI Five 相同的强化学习算法 PPO 进行游戏得分优化。
OpenAI 发布了八个模拟机器人环境及 Hindsight Experience Replay 的 Baselines 实现。这些工具用于训练在物理机器人上工作的模型,并附带一组机器人研究需求请求。
OpenAI 最新机器人技术使完全在仿真中训练的控制器能部署于物理机器人,并实时响应环境中的计划外变化以完成简单任务。该技术实现了从开环系统向闭环系统的转变,提升了机器人在非结构化环境中的适应性与鲁棒性。
OpenAI 展示元学习智能体在模拟机器人摔跤任务中,能快速击败更强的非元学习智能体。该智能体还能适应物理故障,验证了元学习在动态环境下的鲁棒性与适应能力。
OpenAI 开源了一款用于机器人仿真的高性能 Python 库,该库基于 MuJoCo 引擎构建。这一工具源自 OpenAI 过去一年的机器人研究积累,旨在提升物理仿真的运行速度。
OpenAI 推出一种完全在模拟环境中训练并部署于物理机器人的系统,该系统能在观看一次任务演示后学会执行新任务。
OpenAI 发布了开源机器人模拟软件 Roboschool。该工具与 OpenAI Gym 集成,旨在为机器人仿真提供基础支持。
OpenAI 创建了世界上第一个完全在模拟环境中训练并部署到物理机器人上的垃圾检测 AI。该模型实现了从纯虚拟仿真训练到真实物理世界机器人应用的直接迁移,展示了 AI 在实体环境中的新能力。