会员服务
强化学习 · 深度学习 · 加州大学 (University of California) · 人形机器人 ·
2019 年 10 月 12 日
【Pieter Abbeel 报告@CMU】元学习与深度强化学习机器人应用，Deep Learning to Learn，84页ppt
专知会员服务
专知会员服务
专知，提供专业可信的知识分发服务，让认知协作更快更好！

编写机器人程序仍然是出了名的困难。让机器人具备学习的能力，就可以绕过那些通常需要耗费大量时间来完成特定任务的编程工作。这个演讲将描述最近在深度强化学习(机器人通过自己的尝试和错误学习)、学徒学习(机器人通过观察人学习)和元学习(机器人学习学习)方面的进展。这项工作使机器人在操作、移动和飞行方面有了新的能力，这些领域的进步都是基于相同的方法。

https://www.youtube.com/watch?v=WGza-jN4CZs

https://www.ri.cmu.edu/event/ri-seminar-pieter-abbeel-uc-berkeley-professor-director-of-the-robot-learning-lab-2019-10-11/
DLR.pdf
31

相关内容

强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
元学习(meta learning) 最新进展综述论文
元学习(meta learning) 最新进展综述论文
专知会员服务
275+阅读 · 2020年5月8日
【爱丁堡大学】最新《元学习meta learning)》2020综述论文大全，23页pdf289篇参考文献
【爱丁堡大学】最新《元学习meta learning)》2020综述论文大全，23页pdf289篇参考文献
专知会员服务
221+阅读 · 2020年4月17日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
176+阅读 · 2020年2月1日
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
专知会员服务
32+阅读 · 2019年12月13日
【Yoshua Bengio演讲NeurIPS2019报告】深度学习系统1代到2代，36页ppt，From System 1 Deep Learning to System 2 Deep Learning
【Yoshua Bengio演讲NeurIPS2019报告】深度学习系统1代到2代，36页ppt，From System 1 Deep Learning to System 2 Deep Learning
专知会员服务
104+阅读 · 2019年12月11日
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
专知会员服务
32+阅读 · 2019年11月26日
【报告推荐】模仿学习前沿进展，62页ppt，New Frontiers in Imitation Learning
【报告推荐】模仿学习前沿进展，62页ppt，New Frontiers in Imitation Learning
专知会员服务
36+阅读 · 2019年11月13日
【ICML 2019 | 元学习教程】伯克利Chelsea Finn、Sergey Levine主讲，附111PDF
【ICML 2019 | 元学习教程】伯克利Chelsea Finn、Sergey Levine主讲，附111PDF
专知会员服务
51+阅读 · 2019年11月12日
【CMU】机器学习导论课程（Introduction to Machine Learning）
【CMU】机器学习导论课程（Introduction to Machine Learning）
专知会员服务
58+阅读 · 2019年8月26日
【ICML2019 Tutorials】元学习：从小样本学习到快速强化学习(Meta-Learning: from Few-Shot Learning to Rapid Reinforcement Learning)，Google Brain的研究科学家| Chelsea Finn，加州大学伯克利分校| Sergey Levine
【ICML2019 Tutorials】元学习：从小样本学习到快速强化学习(Meta-Learning: from Few-Shot Learning to Rapid Reinforcement Learning)，Google Brain的研究科学家| Chelsea Finn，加州大学伯克利分校| Sergey Levine
专知会员服务
50+阅读 · 2019年6月10日
Uber AI NeurIPS 2019《元学习meta-learning》教程，附92页PPT下载
Uber AI NeurIPS 2019《元学习meta-learning》教程，附92页PPT下载
专知
16+阅读 · 2019年12月13日
【加州理工】什么是模仿学习(Imitation Learning（模仿学习), 这62页ppt带你了解进展，附下载
【加州理工】什么是模仿学习(Imitation Learning（模仿学习), 这62页ppt带你了解进展，附下载
专知
20+阅读 · 2019年11月14日
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
专知
12+阅读 · 2019年10月12日
《深度无监督学习》伯克利Pieter Abbeel新开课程（含视频PPT）
《深度无监督学习》伯克利Pieter Abbeel新开课程（含视频PPT）
专知
21+阅读 · 2019年2月19日
【强化学习干货】《深度学习与机器人学》大牛Pieter Abbeel 105页PPT下载
【强化学习干货】《深度学习与机器人学》大牛Pieter Abbeel 105页PPT下载
新智元
13+阅读 · 2019年1月2日
VALSE Webinar 19-01期 元学习专题研讨
VALSE Webinar 19-01期 元学习专题研讨
VALSE
13+阅读 · 2018年12月27日
元学习究竟是什么？这《基于梯度的元学习》199页伯克利博士论文带你回顾元学习最新发展脉络
元学习究竟是什么？这《基于梯度的元学习》199页伯克利博士论文带你回顾元学习最新发展脉络
专知
39+阅读 · 2018年12月27日
Meta-Learning 元学习：学会快速学习
Meta-Learning 元学习：学会快速学习
GAN生成式对抗网络
19+阅读 · 2018年12月8日
学界 | Pieter Abbeel NIPS 2017大会报告《Deep Learning for Robots》（附PDF）
学界 | Pieter Abbeel NIPS 2017大会报告《Deep Learning for Robots》（附PDF）
AI科技评论
4+阅读 · 2017年12月9日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
Deep Learning for Learning Graph Representations
Arxiv
34+阅读 · 2020年1月2日
ALBERT: A Lite BERT for Self-supervised Learning of Language Representations
Arxiv
5+阅读 · 2019年9月26日
A Survey of the Usages of Deep Learning in Natural Language Processing
A Survey of the Usages of Deep Learning in Natural Language Processing
Arxiv
118+阅读 · 2019年9月11日
Deep Reinforcement Learning: An Overview
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Meta-Learning: A Survey
Arxiv
135+阅读 · 2018年10月8日
Reinforcement Learning with Perturbed Rewards
Arxiv
3+阅读 · 2018年10月5日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Learn What Not to Learn: Action Elimination with Deep Reinforcement Learning
Learn What Not to Learn: Action Elimination with Deep Reinforcement Learning
Arxiv
5+阅读 · 2018年9月6日
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
Arxiv
11+阅读 · 2018年7月12日
Reproducibility Report for "Learning To Count Objects In Natural Images For Visual Question Answering"
Reproducibility Report for "Learning To Count Objects In Natural Images For Visual Question Answering"
Arxiv
4+阅读 · 2018年5月21日
VIP会员
相关主题
强化学习
深度学习
加州大学 (University of California)
人形机器人
相关VIP内容
元学习(meta learning) 最新进展综述论文
元学习(meta learning) 最新进展综述论文
专知会员服务
275+阅读 · 2020年5月8日
【爱丁堡大学】最新《元学习meta learning)》2020综述论文大全，23页pdf289篇参考文献
【爱丁堡大学】最新《元学习meta learning)》2020综述论文大全，23页pdf289篇参考文献
专知会员服务
221+阅读 · 2020年4月17日
深度强化学习策略梯度教程，53页ppt
深度强化学习策略梯度教程，53页ppt
专知会员服务
176+阅读 · 2020年2月1日
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
【NeurIPS2019演讲】伯克利Pieter Abbeel，通过元强化学习实现更好的基于模型的RL(Better Model-based RL through Meta RL)
专知会员服务
32+阅读 · 2019年12月13日
【Yoshua Bengio演讲NeurIPS2019报告】深度学习系统1代到2代，36页ppt，From System 1 Deep Learning to System 2 Deep Learning
【Yoshua Bengio演讲NeurIPS2019报告】深度学习系统1代到2代，36页ppt，From System 1 Deep Learning to System 2 Deep Learning
专知会员服务
104+阅读 · 2019年12月11日
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
专知会员服务
32+阅读 · 2019年11月26日
【报告推荐】模仿学习前沿进展，62页ppt，New Frontiers in Imitation Learning
【报告推荐】模仿学习前沿进展，62页ppt，New Frontiers in Imitation Learning
专知会员服务
36+阅读 · 2019年11月13日
【ICML 2019 | 元学习教程】伯克利Chelsea Finn、Sergey Levine主讲，附111PDF
【ICML 2019 | 元学习教程】伯克利Chelsea Finn、Sergey Levine主讲，附111PDF
专知会员服务
51+阅读 · 2019年11月12日
【CMU】机器学习导论课程（Introduction to Machine Learning）
【CMU】机器学习导论课程（Introduction to Machine Learning）
专知会员服务
58+阅读 · 2019年8月26日
【ICML2019 Tutorials】元学习：从小样本学习到快速强化学习(Meta-Learning: from Few-Shot Learning to Rapid Reinforcement Learning)，Google Brain的研究科学家| Chelsea Finn，加州大学伯克利分校| Sergey Levine
【ICML2019 Tutorials】元学习：从小样本学习到快速强化学习(Meta-Learning: from Few-Shot Learning to Rapid Reinforcement Learning)，Google Brain的研究科学家| Chelsea Finn，加州大学伯克利分校| Sergey Levine
专知会员服务
50+阅读 · 2019年6月10日
热门VIP内容
相关资讯
Uber AI NeurIPS 2019《元学习meta-learning》教程，附92页PPT下载
Uber AI NeurIPS 2019《元学习meta-learning》教程，附92页PPT下载
专知
16+阅读 · 2019年12月13日
【加州理工】什么是模仿学习(Imitation Learning（模仿学习), 这62页ppt带你了解进展，附下载
【加州理工】什么是模仿学习(Imitation Learning（模仿学习), 这62页ppt带你了解进展，附下载
专知
20+阅读 · 2019年11月14日
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
【伯克利Pieter Abbeel教授报告@CMU】元学习与深度强化学习的机器人应用，84页ppt
专知
12+阅读 · 2019年10月12日
《深度无监督学习》伯克利Pieter Abbeel新开课程（含视频PPT）
《深度无监督学习》伯克利Pieter Abbeel新开课程（含视频PPT）
专知
21+阅读 · 2019年2月19日
【强化学习干货】《深度学习与机器人学》大牛Pieter Abbeel 105页PPT下载
【强化学习干货】《深度学习与机器人学》大牛Pieter Abbeel 105页PPT下载
新智元
13+阅读 · 2019年1月2日
VALSE Webinar 19-01期 元学习专题研讨
VALSE Webinar 19-01期 元学习专题研讨
VALSE
13+阅读 · 2018年12月27日
元学习究竟是什么？这《基于梯度的元学习》199页伯克利博士论文带你回顾元学习最新发展脉络
元学习究竟是什么？这《基于梯度的元学习》199页伯克利博士论文带你回顾元学习最新发展脉络
专知
39+阅读 · 2018年12月27日
Meta-Learning 元学习：学会快速学习
Meta-Learning 元学习：学会快速学习
GAN生成式对抗网络
19+阅读 · 2018年12月8日
学界 | Pieter Abbeel NIPS 2017大会报告《Deep Learning for Robots》（附PDF）
学界 | Pieter Abbeel NIPS 2017大会报告《Deep Learning for Robots》（附PDF）
AI科技评论
4+阅读 · 2017年12月9日
Deep Reinforcement Learning 深度增强学习资源
Deep Reinforcement Learning 深度增强学习资源
数据挖掘入门与实战
7+阅读 · 2017年11月4日
相关论文
Deep Learning for Learning Graph Representations
Arxiv
34+阅读 · 2020年1月2日
ALBERT: A Lite BERT for Self-supervised Learning of Language Representations
Arxiv
5+阅读 · 2019年9月26日
A Survey of the Usages of Deep Learning in Natural Language Processing
A Survey of the Usages of Deep Learning in Natural Language Processing
Arxiv
118+阅读 · 2019年9月11日
Deep Reinforcement Learning: An Overview
Deep Reinforcement Learning: An Overview
Arxiv
17+阅读 · 2018年11月26日
Meta-Learning: A Survey
Arxiv
135+阅读 · 2018年10月8日
Reinforcement Learning with Perturbed Rewards
Arxiv
3+阅读 · 2018年10月5日
Hierarchical Deep Multiagent Reinforcement Learning
Hierarchical Deep Multiagent Reinforcement Learning
Arxiv
8+阅读 · 2018年9月25日
Learn What Not to Learn: Action Elimination with Deep Reinforcement Learning
Learn What Not to Learn: Action Elimination with Deep Reinforcement Learning
Arxiv
5+阅读 · 2018年9月6日
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
The Bottleneck Simulator: A Model-based Deep Reinforcement Learning Approach
Arxiv
11+阅读 · 2018年7月12日
Reproducibility Report for "Learning To Count Objects In Natural Images For Visual Question Answering"
Reproducibility Report for "Learning To Count Objects In Natural Images For Visual Question Answering"
Arxiv
4+阅读 · 2018年5月21日
微信扫码咨询专知VIP会员
Top