AIGC動態(tài)歡迎閱讀

原標(biāo)題：用MoE橫掃99個(gè)子任務(wù)！浙大等提出全新通用機(jī)器人策略GeRM
關(guān)鍵字：數(shù)據(jù),機(jī)器人,任務(wù),模型,方法
文章來源：新智元
內(nèi)容字?jǐn)?shù)：6420字

內(nèi)容摘要：

新智元報(bào)道編輯：LRS
【新智元導(dǎo)讀】本文分享論文GeRM: A Generalist Robotic Model with Mixture-of-experts for Quadruped Robot，由西湖大學(xué)和浙江大合提出一種基于混合專家模型進(jìn)行強(qiáng)化學(xué)習(xí)的通用機(jī)器人策略。多任務(wù)機(jī)器人學(xué)習(xí)在應(yīng)對多樣化和復(fù)雜情景方面具有重要意義。然而，當(dāng)前的方法受到性能問題和收集訓(xùn)練數(shù)據(jù)集的困難的限制。
這篇論文提出了GeRM（通用機(jī)器人模型），研究人員利用離線強(qiáng)化學(xué)習(xí)來優(yōu)化數(shù)據(jù)利用策略，從演示和次優(yōu)數(shù)據(jù)中學(xué)習(xí)，從而超越了人類演示的局限性。作者：宋文軒，趙晗，丁鵬翔，崔燦，呂尚可，范亞凝，王東林
單位：西湖大學(xué)、浙江大學(xué)
論文地址：https://arxiv.org/abs/2403.13358
項(xiàng)目地址：https://songwxuan.github.io/GeRM/
之后采用基于Transformer的視覺-語言-動作模型來處理多模態(tài)輸入并輸出動作。
通過引入專家混合結(jié)構(gòu)，GeRM實(shí)現(xiàn)了更快的推理速度和更高的整體模型容量，從而解決了強(qiáng)化學(xué)習(xí)參數(shù)量受限的問題，提高了多任務(wù)學(xué)習(xí)中的模型性能，

原文鏈接：用MoE橫掃99個(gè)子任務(wù)！浙大等提出全新通用機(jī)器人策略GeRM

聯(lián)系作者

文章來源：新智元
作者微信：AI_era
作者簡介：智能+中國主平臺，致力于推動中國從互聯(lián)網(wǎng)+邁向智能+新紀(jì)元。重點(diǎn)關(guān)注人工智能、機(jī)器人等前沿領(lǐng)域發(fā)展，關(guān)注人機(jī)融合、人工智能和機(jī)器人對人類社會與文明進(jìn)化的影響，領(lǐng)航中國新智能時(shí)代。