卢卡斯·加西亚,Mathworks
人工智能(AI)正在将自动化系统从语音助理和聊天机器人转变为自动驾驶汽车和机器人。AI系统在融合经验的同时具有学习和适应能力,以增强其预测能力。
深度学习是机器学习的一个子集,在机器学习中,人工神经网络(受人脑启发的算法)从大量数据中学习。深度学习打破了机器学习的世界,使深度神经网络在各种任务(如图像分类、spe)中达到接近或优于人类的精度ech和手写识别,以及自动驾驶。
强化学习正在彻底改变深度学习的应用——从玩电子游戏并击败最好的人类玩家,到训练机器人完成复杂的技术任务。强化学习包括学习如何做(将情境映射到行动中)以最大化数值奖励信号。它已经成功地训练计算机程序比世界上最好的人类棋手玩得更好(如围棋和星际争霸2)。这些程序能够在具有较大状态和行动空间、不完善的世界信息以及短期行动如何在长期中获得回报的不确定性的游戏中找到最佳行动。工程师和科学家在设计像控制器这样的真实系统时也面临着同样的挑战。强化学习是否也能帮助解决复杂的控制问题,比如让机器人行走或驾驶自动驾驶汽车?
在本次演讲中,我们旨在通过解释在传统控制问题的背景下强化学习是什么来回答这个问题,展示如何生成仿真数据,设置和解决强化学习问题,并允许虚拟机器人使用深度强化学习来学习复杂的任务,如行走。
2019年大事记会议记录。
您还可以从以下列表中选择网站:
选择中国站点(中文或英文)以获得最佳站点性能。其他MathWorks国家/地区网站未针对您所在地的访问进行优化。