Supplyframe Supplyframe XQ Datasheet5 芯耀 Findchips 与非AI
关注我们
设计助手
电子硬件助手 电子硬件助手
元器件查询 元器件查询

加入星计划，您可以享受以下权益：

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入
  • 首页
  • 标签
  • 深度强化学习

深度强化学习

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

深度强化学习将深度学习的感知能力和强化学习的决策能力相结合，可以直接根据输入的图像进行控制，是一种更接近人类思维方式的人工智能方法。

深度强化学习将深度学习的感知能力和强化学习的决策能力相结合，可以直接根据输入的图像进行控制，是一种更接近人类思维方式的人工智能方法。收起

查看更多
类型
新鲜 热门
不限时间
  • 为什么头部智驾玩家都在押注强化学习？
    强化学习与世界模型在智驾领域的结合，通过模拟现实路况，突破模仿学习的局限，提升了自动驾驶系统的适应性和安全性。强化学习提供了一种持续优化的机制，使得AI不仅能模仿人类驾驶，还能在未知场景中做出最佳决策。然而，这依然面临着世界模型的泛化能力和算力需求的挑战。尽管如此，随着多家头部企业的推动，强化学习已成为自动驾驶训练的标准配置，标志着智驾系统进化逻辑的重大转变。
    598
    07/05 17:14
    智能驾驶 深度强化学习
  • 智元D1开发教程 | 强化学习怎么验证？Sim2Sim框架精讲！
    本文详细介绍了开源的rl_sar框架，这是一个专为四足机器人、轮足机器人和人形机器人设计的强化学习算法仿真验证与实物部署框架。rl_sar的核心理念是从仿真环境到真实机器人的部署，解决Sim-to-Real转移的挑战。 #### 1. 概述 rl_sar框架的目标是简化强化学习策略从训练到部署的过程，提供统一的接口来处理不同仿真环境和真实机器人之间的差异。框架采用分层设计，主要包括仿真/实机层、核心库层（rl_sdk）、策略配置层、输入接口层等。 #### 2. 核心模块深度分析 - **核心库层（rl_sdk）** - 提供强化学习控制的核心功能，包括观测计算、模型推理、输出计算等。 - 示例代码展示了如何封装电机控制参数，以及如何处理观测数据和动作。 - **推理运行时（Inference Runtime）** - 支持加载和执行训练好的神经网络模型，提供统一的模型接口。 - 示例代码展示了如何加载TorchScript和ONNX模型。 - **观测缓冲区（Observation Buffer）** - 提供高效的历史数据管理功能，支持时间优先级和分组优先级。 - 示例代码展示了如何配置和使用观测缓冲区。 - **循环控制器（Loop Control）** - 提供精确的周期性任务执行能力，支持多循环设计。 - 示例代码展示了如何启动和关闭控制循环。 #### 3. 安装与配置 - **环境要求** - 支持Ubuntu 20.04和ROS Noetic/Foxy，macOS也提供实验性支持。 - **获取源代码** - 通过Git仓库克隆rl_sar框架。 - **安装依赖** - 根据操作系统安装必要的开发库。 - **编译项目** - 使用统一的编译脚本`build.sh`，支持多种编译模式。 - **配置文件详解** - 使用YAML格式的配置文件来管理机器人参数和策略配置。 #### 4. 控制循环与核心算法实现 - **观测计算** - 示例代码展示了如何计算观测向量，包括线速度、角速度、重力向量等。 - **模型推理** - 示例代码展示了如何执行神经网络推理，输出动作。 - **输出计算与PD控制** - 示例代码展示了如何计算PD控制力矩，确保关节控制命令的有效性。 #### 5. 有限状态机（FSM）设计 - **状态机架构设计** - 示例代码展示了如何设计和实现状态机。 - **RL专用状态基类** - 示例代码展示了如何封装RL控制状态的通用功能。 - **状态实现** - 示例代码展示了如何实现被动模式、起身、行走和趴下的状态。 #### 6. 二次开发指南 - **文件结构创建** - 示例展示了如何创建机器人描述文件包、配置文件和源代码目录。 - **配置文件详解** - 示例展示了如何配置机器人基础参数、策略参数和观测向量。 - **关节映射配置** - 示例展示了如何映射SDK顺序到rl_sar顺序。 - **实机控制类实现** - 示例展示了如何实现实机控制类的构造函数和析构函数。 - **FSM状态机实现** - 示例展示了如何实现被动模式、起身、行走和趴下的状态机。 #### 7. 二次开发注意事项与调试技巧 - **常见问题排查** - 列出了常见问题及其可能的原因和解决方案。 - **调试建议** - 提供了分阶段测试、启用日志功能、使用绘图功能和渐进式调试的建议。 #### 8. 总结与展望 - 总结了rl_sar框架的主要特点和优势。 - 展望未来的发展方向和技术改进。 --- 本文通过详细的代码示例和配置说明，全面介绍了rl_sar框架的架构设计、核心模块功能以及部署流程，为开发者提供了强大的技术支持和丰富的参考资料。
    874
    04/10 09:42
    仿真验证 智元机器人
  • 强化学习，正在决定智能驾驶的上限
    智能驾驶发展并非线性上升，而是技术范式、工程约束与现实场景不断博弈的结果。强化学习被视为必选项，尤其是在端到端模型成熟后，为智能驾驶提供了新的解决方案。强化学习的核心是通过试错和奖励函数来优化驾驶行为，但在实际应用中需要平衡安全与效率，且依赖于世界模型来提高训练环境的真实性。
    726
    02/11 10:49
    智能驾驶 深度强化学习
  • 如何训练好自动驾驶端到端模型？
    端到端算法训练涉及模仿学习、强化学习和离线强化学习三种主要方法。模仿学习通过专家示范数据简化训练过程，但泛化能力和鲁棒性有限。强化学习通过试错和奖励机制探索策略，但在设计奖励函数和数据采集方面面临挑战。离线强化学习利用历史数据训练，安全性好但可能存在分布偏移问题。此外，还有自监督学习、教师-学生框架和混合训练等方法。选择合适的训练算法和考虑数据质量、场景覆盖等因素对提高端到端系统的性能至关重要。
    993
    2025/12/11
    自动驾驶 端到端
    如何训练好自动驾驶端到端模型？
  • 自动驾驶中常提的“强化学习”是个啥？
    强化学习在自动驾驶中的应用涉及低层控制、行为决策和局部轨迹优化，其核心优势在于优化长期目标，如安全性、舒适性和效率。然而，由于试错特性和样本效率问题，强化学习通常依赖仿真、离线数据和混合方法来落地。实现要点包括定义合适的状态与奖励、提高样本效率、选择合适的算法架构，并注重安全与稳定性。尽管存在可验证性和可靠性限制，强化学习仍被视为一种强大的决策优化工具，适用于处理长期依赖和稀疏反馈任务。
    1275
    2025/10/24
    自动驾驶 深度强化学习
    自动驾驶中常提的“强化学习”是个啥？
  • 【一文看懂】什么是强化学习（RL)？
    为什么像 ChatGPT 这样的人工智能，不仅拥有海量的知识，还能和你进行流畅自然的对话，甚至理解你的潜在意图，给出富有创造性的回复，或者在面对不恰当请求时进行得体的拒绝？它们是如何从简单的文字预测工具，变得如此“善解人意”且“行为规范”的？
    3177
    2025/05/09
    深度强化学习
    【一文看懂】什么是强化学习（RL)？
  • 强化学习与监督学习【区别】
    强化学习很强大，但是有大多数场景毫无使用它的必要，监督学习就够了。下面分析强化学习和监督学习的区别和强化学习有前景的应用。
    1951
    2024/12/11
    深度强化学习
    强化学习与监督学习【区别】
  • 【深度强化学习】目前落地的挑战与前沿对策
    到目前为止，深度强化学习最成功、最有名的应用仍然是 Atari 游戏、围棋游戏等。即使深度强化学习有很多现实中的应用，但其中成功的应用并不多。为什么呢？本文总结目前的挑战。
    1480
    2024/12/06
    深度强化学习
    【深度强化学习】目前落地的挑战与前沿对策
  • 伯克利具身智能图谱：深度强化学习浪尖上的中国 90 后们
    短短不到一年内，边塞科技、星动纪元、星海图和千寻智能接连成立，跻身国内明星创企之列；大洋彼岸，Covariant 和 Anyware Robotics 也正在湾区闪耀。六家具身智能公司，八位 90 后创始人，他们都成长于深度强化学习的摇篮。作为最早一批开启新范式的人，他们探索 AI 和 Robotics 的故事要从踏入伯克利校园说起。
    1542
    2024/11/05
    AI 机器人
    伯克利具身智能图谱：深度强化学习浪尖上的中国 90 后们
  • 如果强化学习是问题，大模型是否是「答案」？
    “强化学习让大模型具有了思考能力，大模型为强化学习提供了更开阔的思路。”  在当今大模型推动的新一波人工智能的快速发展浪潮中，大模型和强化学习技术的结合成为研究和产业界的焦点。尤其最近OpenAI最新模型o1的发布，强化学习成为o1的灵魂，更是印证了强化学习的潜力。大模型凭借其强大的数据处理能力，为强化学习提供了丰富的知识。这种结合不仅极大地扩展了人工智能在处理复杂问题上的能力，也为强化学习带来了更深层次的洞察力和更高效的决策过程。
    2014
    2024/10/04
    大模型 AI大模型
    如果强化学习是问题，大模型是否是「答案」？
  • 白话机器学习-第五章-强化学习
    什么是强化学习？在机器学习的大家庭里，强化学习（RL）是那个总是在玩“打怪升级”游戏的孩子。这个孩子不断尝试各种策略，寻找最优的游戏路线，在失败中学习，在成功中积累经验，最终成为一名“游戏高手”。在现实世界中，强化学习算法通过与环境的交互，逐渐优化策略，以最大化其长期收益。这种学习方式有点像训练一只小狗，经过不断的尝试和奖励，小狗学会了坐下、握手、甚至是跳圈。
    1405
    2024/09/05
    机器学习 深度强化学习
    白话机器学习-第五章-强化学习
  • 一文了解【行为克隆 (Behavior Cloning)】
    本文介绍模仿学习中最简单和基础的行为克隆(Behavior Cloning)，并总结它与强化学习的区别与结合。
    2192
    2024/05/16
    深度强化学习
    一文了解【行为克隆 (Behavior Cloning)】
  • 一文了解【完全合作关系】下的【多智能体强化学习】
    处于完全合作关系的多智能体的利益一致，获得的奖励相同，有共同的目标。比如多个工业机器人协同装配汽车，他们的目标是相同的，都希望把汽车装好。在多智能体系统中，一个智能体未必能观测到全局状态 S。设第 i 号智能体有一个局部观测，记作 Oi，它是 S 的一部分。不妨假设所有的局部观测的总和构成全局状态：
    847
    2024/05/16
    深度学习 深度强化学习
    一文了解【完全合作关系】下的【多智能体强化学习】
  • 基于DQN和TensorFlow的LunarLander实现（全代码）
    使用深度Q网络（Deep Q-Network, DQN）来训练一个在openai-gym的LunarLander-v2环境中的强化学习agent，让小火箭成功着陆。下面代码直接扔到jupyter notebook或CoLab上就能跑起来。
    1008
    2024/01/30
    深度学习 Python
    基于DQN和TensorFlow的LunarLander实现（全代码）
  • 端到端大模型来袭，自动驾驶的最优解？
    最近，人工智能领域最火的莫过于大模型了。由美国初创企业OpenAI开发的聊天应用ChatGPT引爆市场，生成式AI成为科技市场热点，ChatGPT背后是深度学习大模型，其理解和生成文字的能力超过以往AI产品。全球主要云计算公司例如亚马逊等都加入其中，争夺算力、开发和销售大模型，云计算市场迎来新一轮竞争热潮，覆盖AI计算所需的算力、算法、数据各层面。
    591
    2023/07/07
    自动驾驶 大模型
    端到端大模型来袭，自动驾驶的最优解？
  • 什么是BPTEOS？它通常应用于哪些领域
    BPTEOS（Back Propagation Through Time with Evolving Objectives and Strategies）是一种强化学习（Reinforcement Learning）算法，结合了时间反向传播和动态目标与策略的演进。该算法通过不断优化目标和策略来实现智能体在动态环境中的学习和决策。
    680
    2024/08/16
    深度强化学习

正在努力加载...

热门企业 换一换
相关标签