Roboții care merg pot face tot felul de lucruri interesante, cum ar fi dans, alergare și arte marțiale — dar pentru a fi utili, trebuie să poată folosi picioarele pentru a face față terenului, pentru a depăși obstacolele, nu doar în jurul lor. Așadar, cum putem antrena cel mai bine politicile de mers pentru roboții cu picioare? @ChongZitaZhang ne vorbește despre cum. Urmărește acum episodul #43 din RoboPapers, găzduit de @micoolcho și @chris_j_paxton, pentru a afla mai multe.

Cu suficiente date, roboții și inteligența artificială pot învăța "modele de lume" care le permit să prezică rezultatele acțiunilor lor. Aceste modele sunt o modalitate de a afla cum agenții AI încorporați pot îndeplini o mare varietate de sarcini utile - dar necesită o cantitate uriașă de date. Echipa de la General Intuition @gen_intuition are o soluție: folosește date din jocurile video! Jocurile învață mișcarea, rezolvarea problemelor și raționamentul spațial complex și vin într-o diversitate uluitoare de forme, acoperind o mare varietate de probleme. În plus, datele capturate sunt de înaltă calitate, fără zgomotul sau eroarea de adnotare care poate proveni din Am stat de vorbă cu @PimDeWitte și @AdamJelley2 din echipa General Intuition pentru a afla mai multe despre istoria, planurile și filozofia lor.

Episodul complet va fi lansat în curând! Geeking out cu @PimDeWitte @AdamJelley2, cofondatorii @gen_intuition folosesc înregistrări de jocuri la scară largă pentru a construi agenți cu raționamente spațiale/temporale profunde. Construit pe lucrarea lui Adam, @EloiAlonso1 @micheli_vincent (toți cofondatori la General Intuition): DIAMOND - Diffusion for World Modeling: Visual Details Matter in Atari Co-găzduit de @micoolcho @chris_j_paxton