「フレームワークによりロボットは連続した順序で対話的なタスクを実行できる」

フレームワークによりロボットはタスクを実行できる

.fav_bar { float:left; border:1px solid #a7b1b5; margin-top:10px; margin-bottom:20px; } .fav_bar span.fav_bar-label { text-align:center; padding:8px 0px 0px 0px; float:left; margin-left:-1px; border-right:1px dotted #a7b1b5; border-left:1px solid #a7b1b5; display:block; width:69px; height:24px; color:#6e7476; font-weight:bold; font-size:12px; text-transform:uppercase; font-family:Arial, Helvetica, sans-serif; } .fav_bar a, #plus-one { float:left; border-right:1px dotted #a7b1b5; display:block; width:36px; height:32px; text-indent:-9999px; } .fav_bar a.fav_de { background: url(../images/icons/de.gif) no-repeat 0 0 #fff } .fav_bar a.fav_de:hover { background: url(../images/icons/de.gif) no-repeat 0 0 #e6e9ea } .fav_bar a.fav_acm_digital { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_acm_digital:hover { background:url(‘../images/icons/acm_digital_library.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_pdf { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #FFF; } .fav_bar a.fav_pdf:hover { background:url(‘../images/icons/pdf.gif’) no-repeat 0px 0px #e6e9ea; } .fav_bar a.fav_more .at-icon-wrapper{ height: 33px !important ; width: 35px !important; padding: 0 !important; border-right: none !important; } .a2a_kit { line-height: 24px !important; width: unset !important; height: unset !important; padding: 0 !important; border-right: unset !important; border-left: unset !important; } .fav_bar .a2a_kit a .a2a_svg { margin-left: 7px; margin-top: 4px; padding: unset !important; }

ジョージア工科大学の博士課程の学生であるNiranjan Kumarが開発したフレームワークにより、四足歩行ロボットはモーションを再学習することなく、徐々に複雑なタスクを実行することができます。

カスケードコンポジショナルリジドラーニング（CCRL）フレームワークは、ロボットが学習する新しいスキルごとに追加され、より複雑なスキルを達成するためにアクセスされます。

このフレームワークは、ロボットがエネルギーを伝達して重いドアを開くことを示すためにデモンストレーションされました。

• 「効率的な変数選択のための新しいアルゴリズムが提案されました」
• これらの便利なドローンは、空中で結合してより大きく、より強力なロボットを形成することができます
• 「OpenAIがGPT-4の力を持つChatGPT Enterpriseを発表」

現在、ロボットはCCRLを使用して10のスキルを学習および展開することができます。

Kumar氏は、「スキルを追加するたびにトレーニングにはより長い時間がかかります。なぜなら、ポリシーはこれらのスキルをさまざまな状況でどのように組み込むかを理解する必要があるからです。しかし理論的には、十分なパワフルなコンピュータを持っていれば、スキルを無制限に追加することができます」と述べました。ジョージア工科大学からの記事を参照してください。

抄録の著作権は2023年、SmithBucklin、ワシントンD.C.、アメリカに帰属します

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!