#强化学习
共 248 篇相关文章

Kaggle新手友好强化学习竞赛推荐:实战入门指南
为强化学习新手推荐适合的Kaggle竞赛类型与选择原则,涵盖经典控制、模拟策略等方向,并提供利用公开Notebook和讨论区高效学习的实战建议。

DIY双足机器人CBR-II:强化学习从仿真到真机部署
DIY双足机器人CBR-II项目总结:开发者用强化学习训练行走策略,完成从仿真到真机的部署,机器人已能行走和单腿站立,展示了个人项目在双足平衡控制上的实践成果。

MCTS理论脆弱性引热议:蒙特卡洛树搜索能否保证收敛与实用?
Reddit网友质疑MCTS理论脆弱性:能否收敛到最优策略?是否真的实用?本文回顾MCTS原理,分析其收敛条件与真实场景适用性,呈现社区观点碰撞。

AI用2.5天打造JAX环境,让《Getting Over It》智能体胜率85%
Reddit 用户借助 Opus 5.5 构建 JAX 版《Getting Over It》环境,经 2.5 天训练,智能体在真实游戏胜率达 85%,展示 LLM 驱动环境生成的潜力。

如何高效啃完Sutton & Barto强化学习圣经?
针对Sutton & Barto《强化学习》教材的阅读方法指南,提供分阶段阅读策略、视频与代码结合技巧,帮助初学者克服理论书籍的枯燥感,高效掌握强化学习基础。

RobustRLlib:17种鲁棒强化学习算法的统一基准库
RobustRLlib是一个统一的鲁棒强化学习算法库与基准,整合17种在线、离线与安全RL算法,覆盖273种扰动配置,揭示当前鲁棒RL的能力边界与差距,开源可扩展。

NVIDIA GTC柏林焦点:Microduck双足机器人如何革新强化学习
NVIDIA GTC柏林站上,Pollen Robotics的Microduck双足机器人成为焦点。这款专为强化学习设计的开发工具,以微型双足平台降低研究门槛,配套软件栈兼容主流RL框架,展现从仿真到实体的闭环潜力。

用Rust写模拟器训练PPO智能体刷暗黑2重制版深渊
Reddit网友分享用Rust无头模拟器训练PPO智能体刷暗黑2重制版深渊:单CPU约20分钟、47.5万参数,奖励按刷图速率设计,死亡扣1000分,仅限离线使用。

Deel数据科学团队几小时跑通强化学习实验,GPU效率提升5倍
Deel数据科学团队使用Together post-training平台,几小时内完成RL实验配置,并在同一GPU容量上并行运行最多五个实验,大幅提升实验迭代效率。

PPO算法破解移动沙发难题,重建Gerver最优解
开发者利用PPO强化学习算法成功重建移动沙发问题的Gerver最优解,展示了AI在几何优化难题中的潜力。文章详细介绍了问题背景、方法、结果及局限性。

PPO算法破解移动沙发难题,重建经典Gerver沙发
探索PPO算法如何通过强化学习重建移动沙发问题的经典解Gerver沙发,展示AI在几何优化和数学发现中的潜力与局限。

蜂群思维=单个RL智能体?多臂老虎机等价性证明
一篇论文证明蜂群通过局部模仿进行的集体决策,在数学上等价于单智能体强化学习。N个盲目模仿者相当于N个并行环境采样,有效学习率为1/N。本文解读Maynard-Cross Learning算法的推导与影响。

强化学习通关《抡大锤》:63%进度背后的分布式训练策略
开发者用深度强化学习挑战《抡大锤》,智能体从底部攀爬至63%进度,卡在铁砧部分。项目开源,采用分治训练和CPU训练策略,寻求社区协作突破瓶颈。

用AI智能体在仿真中教机器人学会走路
NVIDIA开发者博客披露Microduck机器人项目:用AI智能体在仿真环境中教学机器人行走,涵盖障碍赛道设计、感知与平衡控制、仿真到现实迁移挑战,为机器人强化学习提供可复用训练管线参考。

黄仁勋GTC带火四只Microduck机器人:400美元的强化学习玩具
黄仁勋在NVIDIA GTC Berlin主题演讲中带四只Microduck机器人上台,Reddit网友热议:它是孩子学习强化学习与深度学习的趣味玩具,但400美元的价格让不少家庭犹豫。

每个模拟人都是Q学习器:子代继承母亲Q表并变异
Reddit开发者展示文明沙盒项目:每个模拟人都是独立的表格型Q学习器,子代继承母亲Q表并发生20%数值变异。项目用Rust+WASM实现,在浏览器中运行,开发者公开寻求对状态空间和奖励设计的反馈。

强化学习视觉化解读:AI如何通过奖励与试错学习
基于Reddit视觉化讲解视频,用迷宫机器人比喻拆解强化学习核心概念:智能体、环境、奖励、探索与利用、延迟奖励、策略及奖励黑客风险,适合初学者建立直观理解。

强化学习可视化:AI如何通过奖励与试错学习
基于Reddit热门可视化讲解,用迷宫机器人案例拆解强化学习核心概念:智能体与环境、试错回合、探索与利用、延迟奖励与策略,以及奖励黑客风险。适合初学者建立直觉的入门指南。

