Генератор параметров политики на основе моделей условной диффузии для создания политики на основе поведения

 Make-An-Agent: A Novel Policy Parameter Generator that Leverages the Power of Conditional Diffusion Models for Behavior-to-Policy Generation

“`html

Make-An-Agent: Новый генератор параметров политики, использующий силу условных моделей диффузии для генерации поведения-политики

Традиционное обучение политике использует выборочные траектории из буфера воспроизведения или демонстрации поведения для обучения политик или моделей траекторий, отображающих состояние в действие. Однако существует вызов в направлении генерации высокоразмерного вывода с использованием низкоразмерных демонстраций. Модели диффузии показали высокую конкурентоспособность на задачах, таких как синтез текста в изображение. Этот успех поддерживает работу по генерации сети политики как условного процесса денойзинга диффузии. Улучивая шум в структурированные параметры последовательно, генератор на основе диффузии может обнаружить различные политики с превосходной производительностью и устойчивым пространством параметров политики.

Существующие методы в этой области включают генерацию параметров и обучение для обучения политике.

Генерация параметров была значительной фокусной точкой исследований с момента появления гиперсетей, что привело к различным исследованиям предсказания весов нейронной сети. Например, Hypertransformer использует трансформеры для генерации весов для каждого слоя сверточных нейронных сетей (CNN) на основе образцов задач, используя обучение с учителем и полу-обучение. С другой стороны, обучение для обучения политике включает мета-обучение, которое направлено на разработку политики, способной адаптироваться к любой новой задаче в пределах заданного распределения задач. В процессе мета-обучения или мета-тестирования предыдущие методы мета-усиления обучения (мета-RL) полагаются на вознаграждения для адаптации политики.

Исследователи из Университета Мэриленда, Университета Цинхуа, Университета Калифорнии, Шанхайского института Ци Чжи и Шанхайской лаборатории искусственного интеллекта предложили Make-An-Agent, новый метод генерации политик с использованием условных моделей диффузии. В этом процессе разрабатывается автоэнкодер для сжатия сетей политики в более маленькие латентные представления на основе их слоя. Исследователи использовали контрастное обучение для установления связи между долгосрочными траекториями и их результатами или будущими состояниями. Кроме того, эффективная модель диффузии используется на основе изученных встроенных поведенческих вложений для генерации параметров политики, которые затем декодируются в используемые политики с предварительно обученным декодером.

Производительность Make-An-Agent оценивается путем тестирования в трех областях непрерывного управления, включая различные задачи на столешнице и задачи реальной локомоции. Политики были сгенерированы во время тестирования с использованием траекторий из буфера воспроизведения частично обученных агентов RL. Сгенерированные политики превзошли те, которые были созданы с помощью многозадачного или мета-обучения и других методов на основе гиперсетей. Этот подход имеет потенциал для производства разнообразных параметров политики и показывает сильную производительность, несмотря на окружающую случайность как в симуляторах, так и в реальных ситуациях. Более того, Make-An-Agent может производить высокопроизводительные политики даже при наличии шумных траекторий, демонстрируя устойчивость модели.

Политики, сгенерированные Make-An-Agent в реальных сценариях, тестируются с использованием техники walk-these-ways и обучаются на IsaacGym. Сети актеров генерируются с использованием предложенного метода на основе траекторий из симуляций IsaacGym и предварительно обученных модулей адаптации. Эти сгенерированные политики затем развертываются на реальных роботах в средах, отличных от симуляций. Каждая политика для движения в реальном мире включает 50 956 параметров, и для каждой задачи в MetaWorld и Robosuite собирается 1 500 сетей политики. Эти сети происходят из точек контроля политики во время обучения SAC и сохраняются каждые 5 000 шагов обучения после того, как коэффициент успешности теста достигает 1.

В этой статье исследователи представляют новый метод генерации политики под названием Make-An-Agent, основанный на условных моделях диффузии. Этот метод направлен на генерацию политик в пространствах с большим количеством параметров с использованием автоэнкодера для кодирования и восстановления этих параметров. Результаты, протестированные в различных областях, показывают, что их подход хорошо работает в многозадачных средах, способен обрабатывать новые задачи и устойчив к окружающей случайности. Однако из-за большого количества параметров не исследуются более разнообразные сети политик, и возможности генератора диффузии параметров ограничены автоэнкодером параметров, поэтому будущие исследования могут рассмотреть более гибкие способы генерации параметров.

Проверьте статью. Вся заслуга за это исследование принадлежит исследователям этого проекта. Также не забудьте подписаться на нас в Twitter.

Присоединяйтесь к нашему каналу Telegram и группе LinkedIn.

Если вам нравится наша работа, вам понравится наша рассылка.

Не забудьте присоединиться к нашему 46k+ ML SubReddit.

Попробуйте ИИ ассистент в продажах https://flycode.ru/aisales/. Этот ИИ ассистент в продажах помогает отвечать на вопросы клиентов, генерировать контент для отдела продаж и снижать нагрузку на первую линию.

Узнайте, как ИИ может изменить ваши процессы с решениями от Flycode.ru.

“`

Мобильная разработка на заказ и готовые решения

Мобильная разработка

Готовые и индивидуальные решения

Веб решения - разработка сайтов и сервисов

Web решения

Получите бесплатную консультацию по веб-разработке прямо сейчас

Аутсорсинг, подбор специалистов и команд разработки

Аутсорсинг

Выберите своего специалиста сегодня и начните свой проект

Новости

  • Эффективное управление контекстом для больших языковых моделей

    Модель Контекстного Протокола: Улучшение Взаимодействия с ИИ Введение Эффективное управление контекстом является ключевым при использовании больших языковых моделей (LLMs). Этот документ предлагает практическую реализацию Модели Контекстного Протокола (MCP), сосредоточенную на семантическом делении, динамическом…

  • Запуск DeepWiki: ИИ-инструмент для понимания репозиториев GitHub

    Введение в DeepWiki Devin AI представил DeepWiki — бесплатный инструмент, который генерирует структурированную документацию для репозиториев GitHub. Этот инновационный инструмент упрощает понимание сложных кодовых баз, что облегчает жизнь разработчикам, работающим с незнакомыми проектами.…

  • Эффективные модели Tina для улучшения обучения с подкреплением

    Введение Современные бизнесы сталкиваются с вызовами в области многослойного рассуждения, особенно в научных исследованиях и стратегическом планировании. Традиционные методы, такие как узконаправленное обучение, требуют значительных затрат и могут приводить к поверхностному обучению. Однако…

  • FlowReasoner: Персонализированный Мета-Агент для Многоагентных Систем

    Введение в FlowReasoner Недавние достижения в области искусственного интеллекта привели к разработке FlowReasoner, мета-агента, который автоматизирует создание персонализированных многопользовательских систем, адаптированных к запросам пользователей. Это значительно повышает эффективность и масштабируемость. Проблемы в текущих…

  • Руководство Microsoft по режимам отказа в агентных системах ИИ

    Введение Понимание и управление рисками в системах агентного ИИ могут значительно улучшить бизнес-процессы и повысить доверие клиентов. Ниже представлены практические решения, которые помогут в этом. Практические бизнес-решения Создание надежных систем агентного ИИ требует…

  • Автономные пайплайны анализа данных с PraisonAI

    Создание полностью автономных потоков анализа данных с PraisonAI Введение В этом руководстве описывается, как бизнес может улучшить процессы анализа данных, перейдя от ручного кодирования к полностью автономным потокам данных, управляемым ИИ. Используя платформу…

  • QuaDMix: Инновационная Оптимизация Качества и Разнообразия Данных в AI

    Практические бизнес-решения с использованием QuaDMix Имплементация QuaDMix может существенно улучшить AI-приложения благодаря следующим ключевым аспектам: 1. Упрощение кураторства данных Используйте QuaDMix для поддержания высокого качества данных без жертвы разнообразием, что приведет к более…

  • Оптимизация методов масштабирования для повышения эффективности reasoning в языковых моделях

    “`html Оптимизация Производительности Размышлений в Языковых Моделях: Практические Бизнес-Решения Понимание Методов Масштабирования во Время Вывода Языковые модели могут выполнять множество задач, но часто сталкиваются с трудностями при сложном размышлении. Методы масштабирования вычислений во…

  • Интеграция API Gemini с агентами LangGraph для оптимизации рабочих процессов ИИ

    Улучшение рабочих процессов с помощью интеграции Arcade и Gemini API Этот документ описывает, как преобразовать статические разговорные интерфейсы в динамичных, действующих ИИ-ассистентов с использованием Arcade и Gemini Developer API. Используя набор готовых инструментов,…

  • СоциоВерс: Революционная Модель Социальной Симуляции на Основе LLM

    Использование ИИ для Социальной Симуляции: Инициатива SocioVerse Введение в SocioVerse Исследователи из Университета Фудань разработали SocioVerse, инновационную модель мира, использующую агентов на основе больших языковых моделей (LLM) для симуляции социальных динамик. Эта модель…

  • Токен-Шаффл: Революция в генерации высококачественных изображений с помощью трансформеров

    Введение в Token-Shuffle Meta AI представила инновационный метод, известный как Token-Shuffle, который повышает эффективность генерации изображений в авторегрессионных (AR) моделях. Этот подход решает вычислительные задачи, связанные с созданием изображений высокого разрешения, что может…

  • Революция в A/B тестировании с помощью ИИ: AgentA/B

    Трансформация A/B тестирования с помощью ИИ: AgentA/B Введение В цифровом мире создание эффективных веб-интерфейсов критически важно для вовлечения пользователей, особенно в сфере электронной торговли и контентного стриминга. A/B тестирование — это широко используемый…

  • Skywork R1V2: Инновации в Мультимодальном Ресонновании

    Практические бизнес-решения с использованием Skywork AI R1V2 Skywork AI R1V2 предлагает инновационные решения для бизнеса, которые могут значительно улучшить эффективность и качество работы. Вот как это может повлиять на бизнес и реальную жизнь:…

  • Переход от демонстраций GenAI к надежным производственным системам: важность структурированных рабочих процессов

    Введение Генеративный ИИ (GenAI) демонстрирует впечатляющие возможности, но переход от демонстраций к производственным системам требует структурированных рабочих процессов. Это важно для достижения реальной отдачи от инвестиций (ROI). Проблемы развертывания в производственной среде Многие…

  • Пять уровней архитектур агентного ИИ: практическое руководство для бизнеса

    Понимание пяти уровней архитектуры агентного ИИ Этот учебник представляет структурированное исследование пяти уровней архитектуры агентного ИИ. Эти уровни варьируются от базовых функций генерации текста до продвинутых систем, способных к полностью автономной генерации и…

  • MMInference: Ускорение Моделей Визуального Языка с Динамическим Редким Вниманием

    Улучшение моделей Vision-Language с помощью MMInference Введение в MMInference Microsoft Research разработала метод MMInference, который значительно повышает эффективность моделей Vision-Language (VLM) с длинным контекстом. Интеграция визуального понимания с возможностями длинного контекста помогает решать…

  • Запуск моделей OpenMath-Nemotron от NVIDIA: Прорыв в математическом мышлении AI

    Введение NVIDIA недавно представила два продвинутых AI-модели, OpenMath-Nemotron-32B и OpenMath-Nemotron-14B-Kaggle, которые превосходят в математическом рассуждении. Эти модели могут значительно улучшить бизнес-процессы и повседневную жизнь. Преимущества для бизнеса Использование моделей OpenMath-Nemotron может привести к…

  • Новые возможности визуального обучения: Meta AI представляет Web-SSL

    Введение Современные достижения в области искусственного интеллекта привели к разработке моделей, которые могут улучшить визуальное восприятие без зависимости от текста. Модели Web-SSL от Meta AI предлагают новые возможности для бизнеса. Обзор моделей Web-SSL…