real-world deployment | BriefGPT

关键词real-world deployment

搜索结果 - 11

深度强化学习智能体的实景迁移用于在线覆盖路径规划
通过在仿真环境中训练模型，并在高推理频率下部署，我们成功地将最先进的结果从仿真转移到了真实领域，而直接学习则需要花费几个星期的人工交互，即完全不可行。
PDFa month ago
预测不确定性和多样性在体验智能和机器人学习中的作用
机器人学中的不确定性一直是一个关键领域的研究，特别是在机器人配备了分析模型时。随着我们逐步推广使用在研究环境中表现出色的深度神经网络的机器人，了解不确定性的细微差别对于它们在现实世界中的部署变得至关重要。本指南提供了关于不确定性重要性的概述
PDF2 months ago
基于真实用户查询评估文本到 SQL 系统的数据模型稳健性
基于一个实际的部署案例和真实用户提问数据，本研究评估了 Text-to-SQL 系统在不同数据模型下的健壮性，并探讨了语言模型的性能以及训练数据规模、预处理和后处理步骤对系统性能的影响。此外，研究还为研究社区提供了一个新的基准数据集，可评估
PDF5 months ago
四足机器人在执行器退化场景中的自适应控制策略
该论文引入一种基于强化学习的先导教师 - 学生框架，称为 Actuator Degradation Adaptation Transformer（ADAPT），旨在解决实际部署四足机器人上的问题。这个框架产生了一种统一的控制策略，使机器人能
PDF6 months ago
人工道德代理的最低可解释性要求
本文概述了人工智能可解释性的一个快速发展子领域 - 基于道德决策的可解释性模型，并介绍了最小可解释性水平 (Minimum Level of Interpretability, MLI) 的概念，以及为不同类型的代理建议 MLI 的安全部署
PDFa year ago
视觉敏捷性：来自深度图像的手内灵巧操纵
该论文介绍了一个基于强化学习的通用物体重新定位控制器，使用廉价深度相机内置单个传感器可以动态地实时重新定位复杂物体，具有在真实世界中重现的能力，且硬件成本低廉，可以使未来的技术民主化。
PDF2 years ago
ICML决策中的人工智能协作：超越推迟学习
通过研究发现，目前 Human-AI collaboration 在决策方面已经有了一定的进展，但还存在一些问题需要解决，如性能和公平性不足，学习模型的部署需要考虑实际环境等方面，需要更多的研究进行完善。
PDF2 years ago
ACLNoiseQA: 以用户为中心的问答挑战数据集评估
本文研究 Question-Answering 系统在实际部署中的问题，发现在回答引擎之前的管道部件可能会引入多样化且可观的错误，而且即使是针对强大的预训练 QA 模型，性能也会因为这些上游噪声源而显著降低。作者认为在 QA 系统能够真正有
PDF3 years ago
现代机器学习中的欠规范性对可信度的挑战
本文发现欠规范是 ML 模型在实际领域应用中展现出意外糟糕行为的一个重要原因。作者使用计算机视觉、医学成像、自然语言处理、基于电子健康记录的临床风险预测以及医学遗传学的示例来证明在实践中出现的问题。因此，本文的结果表明需要在任何领域中的建模
PDF4 years ago
KDD社交媒体和智能设备是否能够评估心理健康？解决方法和评价中的偏见问题
本文探讨了近期关于使用智能手机数据和社交媒体数据预测精神健康问题，有很多研究报告表明其非常具有潜力，但是在实际环境中，并没有表现出较好的通用性。研究发现，在考虑真实世界环境并使用不同的特征源和多重模拟等多种方法进行比较后，目前最先进的方法仅
PDF6 years ago
Sim-to-Real: 四足机器人学习敏捷运动
本文提出了一种利用深度强化学习技术自动化四足机器人运动设计过程的系统，能够从简单的奖励信号中学习四足运动，并可提供开环参考进行学习过程的控制，采用系统辨识来改进物理模拟器，利用物理环境随机与扰动设计控制器，并在物理模拟器中进行评估，成功在现
PDF6 years ago