基于模糊Q学习的机器人控制算法（Matlab代码实现）
1 概述为了快速准确地在复杂环境中进行目标检测，本文提出一种基于深度强化学习算法的图像检测方法——用于图像目标检测的深度Q学习算法。将深度学习感知能力与强化学习决策能力相结合，利用深度学习预训练网络提取特征，利用强化学习将检测过程视作马尔可夫决策过程问题，将当前可视区域视为状态，将边界框变换作为动作，基于重叠度值变化设计相应的奖励函数。为检验提出方法的有效性，通过数据集进行验证，实验结果表明，在....
CMU发表新型灵巧机器人算法，准确学习日常家具的操纵方法
卡内基梅隆大学机器人学院 （CMU Robotics Institute) 推出物体轨迹预测（FlowBot 3D）算法，可以使机器人去操纵日常家具。该算法泛化性极强，只需一个神经网络模型便能泛化到各种家具物品。人们在日常生活中接触到的大部分家具都是“关节物品” （articulated objects），比如带有拉出式导轨的抽屉、带有垂直旋转轴的门、带有水平旋转轴的烤箱，因为这些物....
谷歌 AI 提出双重策略强化学习框架，帮助机器人安全学习动作技能
深度强化学习在自主解决复杂、高维问题方面的前景，引起了机器人、游戏和自动驾驶汽车等领域的极大兴趣。但是，要想有效地进行强化学习策略的训练，需要对大量的机器人状态和行为进行研究。这其中存在一定的安全风险，比如，在训练一个有腿机器人时，由于这类机器人自身不稳定，机器人在学习时很容易发生跌倒，这可能会造成机器人的损害。通过在计算机模拟中学习控制策略，然后将其部署在现实世界中，可以在一定程度上降低机器人....
【使用心得】图灵对话机器人的开发及使用学习
自我介绍：本人是一个本科在读的大四学生，专业学习的是计算机科学与技术，现在处于毕设的开题阶段，运用阿里云的云服务器来进行一个图灵对话机器人的训练。在之前学生特惠的时候使用过半年多的阿里云服务器了，后来因为比赛项目结题而没有选择继续续费，这次再次想用使用学生特惠结果发现没有那个活动了了，于是通过朋友介绍和自己的寻找发现的这个活动并参与进来，这次能有继续使用阿里云服务器的机会我还是很高兴的，使用过程....
机器人强化迁移学习指南：架设模拟和现实的桥梁
近年来，强化学习（Reinforcement learning）在人工智能领域中表现出了显著的性能，例如基于原始像素的 Atari 游戏，连续复杂控制策略的学习，以及在围棋游戏 Go 中超越人类的表现等。然而，这些成功大多是在仿真、视频游戏等非物理环境中实现的，强化学习在物理系统上的复杂策略仍存在很大的挑战。强化学习需要与现实环境进行大量的交互，但是机器人强化学习从现实环境中获取样本的代价极高，....
让机器人看一眼就能模仿：One-Shot模仿学习发展情况
在机器人的动作学习，传统的方法基于任务训练强化学习（reinforcement learning）的策略，即针对每一个成功完成的任务的动作序列，训练得到一条策略。或者在该基础上，当奖励讯号稀疏出现时，利用各种技术完成各项模仿学习 (imitation learning)。但模仿学习的问题是，它的各种任务是独立的。例如，通过训练一个模仿学习算法（神经网络）能够得到一个关于如何将块堆叠到高度为 3 ....
机器人能互相学习？
人类希望机器人帮助做很多工作，比如在仓库里包装物品，帮助长期卧床的病人，或是在前线援助士兵，这些工作机器人目前还不能做，因为他们还是不能轻松地识别和处理常见的物件。Stefanie Tellex，布朗大学的计算机科学教授说，“大部分人能轻松地折叠袜子或拿起水杯，因为我们已经经历过和“大数据收集过程”类似的童年了。“ 如果要让机器人做同样类型的日常任务，他们也需要访问大量数据来掌握抓取和操作对象。....
向蚂蚁学习！六足机器人可利用偏振太阳光实现精确导航
雷锋网(公众号：雷锋网)消息，一直以来，昆虫凭借其非常迷你的神经结构和传感能力，实现了非常高超的智力和能力，给人们留下了非常深刻的印象。昆虫必须进化的非常聪明，才能适应各种具有挑战性的环境，沙漠蚂蚁就是一个很好的例子。 大多数蚂蚁都是依靠信息素追溯气味痕迹来导航，但沙漠的炎热环境意味着信息素无法维持很长时间，而沙漠蚂蚁则是依赖于计步、光流、地标和太阳来进行导航。这些技术对用于探索太阳系的微型...
Django 学习：为窗体加上防机器人的验证机制（验证码功能）
这里我们使用 django-simple-captcha 模块，官方介绍如下：https://github.com/mbi/django-simple-captcha 一键安装： pip install django-simple-captcha 在 setting.py 中把 'captcha' 加到 INSTALLED_APP 的区块中 INSTALLED_APPS = （ ...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
